小议 html 实体解析

今天分享个小技巧，是群里一个朋友问的，"请问 + 这种类型的字符串怎么转换成我们想要的字符 + ，有什么简便的js方法吗"
其实问题说简单也简单，说难也难。我们要分情况来描述问题解决问题才行。

一. 纯数字实体编码

就例如 + , 这样的，那么借助 正则+fromCharCode 即可。

var str = "+ , -";
str = str.replace(/&#(\d+);/g, function(m, num){
return String.fromCharCode(num);
});
console.log(str);

这样可以得到我们想要的结果。
但是如果是其他情况呢？

二. 实体名，数字，十六进制实体编码

如 "& © ♥ +" 这样，有实体名，x20 空格字符的16进制和 32 空格的十进制。。
这样的，怎么玩？
刚刚那个只能识别十进制数字的实体。
如果不包含“实体名”的话，还是比较方便的，正则多匹配个x即可，如果有x，就解析16进制然后 fromCharCode 就OK了。
但是实体名就真的没办法躲过去了，只能去w3c上把所有实体搞下来做个k/v对象用。
这肯定不是理想的解决方案。

三. 利用节点解析

首先用 jQuery 来做个实验。

var str = "& © ♥ +";
str = $("<p>").html(str).text();
console.log(str);

可以看到，确实解析了，说明这样是思路是可行的。
下面给个非 jQuery 的好了，方便各种情况使用。

var entity = function (node) {
    return function (str) {
        node.innerHTML = str;
        return node.innerText;
    }
}(document.createElement("p"));

var str = "& © ♥ +";
console.log( entity(str) );

缺陷：

当然好东西都是双刃剑，有好的一面，自然也有弊端。
比如你原先有html标签的，用节点解析的话，标签就都没了，只剩下干干净净的文本了。
所以按需使用。。

四. 总结

正则+fromCharCode 可以解析十进制十六进制的html实体，甚至可以在任何js环境下用，比如 node wsh 等等。。
但缺点也很明显，如果解析实体名的实体，只能收集所有实体名了。

createElement 实现的可以解析任何实体，但是只能借助dom实现，
node下也要加载dom之类的插件才行，wsh下有微软提供的htmlfile这样的com，实现起来还是轻松的。
也不是什么大缺陷，只是不能原生js实现。。

看需求取舍吧。