关于&#开头的HTML实体编码的问题

[jiezi316]

这2天遇到一个麻烦的事情，就是一个资讯系统的内容中有&#开头的html实体编码。
如果用HtmlDecode处理的话，能够正确显示汉字，但如此一来。将会导致<>等HTML标签被解释。
举例说明如下：

string content = "<font size=\"11\">二郎山<font/>";

该字符串如果直接输出到屏幕，可以正确显示 二郎山，但font标签也会被浏览器解释（这是我不愿意看到的），我想要的输出结果是：
<font size="11">二郎山</font>
即：汉字可以正确显示，而HTML标签被编码不会被浏览器解释。

于是乎在输出之前进行HTML编码处理，但编码后，字符串的内容会变成:
<font size="11">二&#63788;山<font/>
输出到屏幕上<font size="11">二郎山</font>
标签是不会被解释了，但二郎山的郎字又无法显示了。

因为这个汉字“郎”本身就已经是html实体了，所以编码或者解码，她的处理方式就和其他html标签是一样的。我想输出郎字，就必须要解码，但解码后同样会导致<这些符号被解码。

普通的字符“郎”的unicode码是37070，不是63788。两者之间还是有差别。
我想问的是如何将这个HTML实体编码的汉字转换为普通汉字，这样我就可以用HtmlEncode来处理其他html标签了？

[md5e]

string content = Server.HtmlEncode(Server.HtmlDecode("<font size=\"11\">二郎山<font/>")); Response.Write(content); 这样不行?

[Ryan1221]

…… 不能先把二郎Decode 再把整个string Encode吗?

[jiezi316]

引用 1 楼 liuchaolin 的回复:

string content = Server.HtmlEncode(Server.HtmlDecode("<font size=\"11\">二郎山<font/>")); Response.Write(content); 这样不行?

这样不行，我当时就想到了。再encode就又变回去了。这个decode出来的郎字，和直接定义的郎字，unicode码貌似不一样。

[jiezi316]

引用 2 楼 Ryan1221 的回复:

…… 不能先把二郎Decode 再把整个string Encode吗?

你这个和#1楼的相法一样的，不行的哈。我在.NET和JAVA都测试了。

[Ryan1221]

引用 4 楼 jiezi316 的回复:

[quote=引用 2 楼 Ryan1221 的回复:] …… 不能先把二郎Decode 再把整个string Encode吗?

你这个和#1楼的相法一样的，不行的哈。我在.NET和JAVA都测试了。[/quote] string content = "<font size=\"11\">" + HttpUtility.HtmlDecode("二郎山") + "<font/>"; test.InnerText = content; 这样不行吗？

[Ryan1221]

如果要response.write输出 string content = HttpUtility.HtmlEncode("<font size=\"11\">") + HttpUtility.HtmlDecode("二郎山") + HttpUtility.HtmlEncode("<font/>");

[jiezi316]

6楼的肯定可以。 但这样的处理方式我个人不是很能接受。因为要对整个内容进行匹配和重新组装。

[rayyu1989]

replace("<","<").replace(">",">")

[jiezi316]

恩，谢谢各位 其实仅仅只是处理web界面上的显示，我肯定是有办法的。 我其实最想达到的是这样的效果。 就是这个被Decode出来的“郎”，能够转换为真正的 “郎”字。（前面说了，这2种“郎”字的unicode码不一样，所以还是有区别的，被Decode出来的“郎”字再次Encode时会变回&#；的形式，而第2种“郎”字，无论Decode还是Encode都不会发生变化） 这样这个字以后再其他地方，无论如何处理都是不会出问题的。

[踏平扶桑]

用正则把汉字（就是<font ……>和</font>中间的字）提取出来进行Decode替换回去行不？

[joyhen]

可以写个方法尝试replace方法替换掉有针对性的字符

[w_aimee]

replace("<","<").replace(">",">")