#开头转中文

#开头转中文

        最近在写爬虫时遇到"&#"或者 "&#x"开头的 编码,在浏览器是可以正常打开的,但是爬取下来时却,显示  中国农业银行 在尝试了  utf-8 或者GBK,GB2312等等的编码都行不通的情况下, 在网上也找不到太多的资料,这让我很苦恼,而且百度搜索居然没法直接搜索符号,还是大谷歌好用,  通过.aspx  发现其实这个只是普通的unicode编码.但是却有不同的格式 比如u开头的,"&#"或者"&#x"开头.   我们在    找到了 问题的答案. 

         其实  u 开头和  &#x 开头是一样的  都是16进制 unicode字符的不同写法,&# 则是 unicode字符的10进制的写法.知道这个之后我们写代码就容易多了.

public static String unicode2String(String unicode) {  StringBuffer string = new StringBuffer();  if (unicode.startsWith("&#x")) {String[] hex = place("&#x", "").split(";");  		   for (int i = 0; i < hex.length; i++) {  	   int data = Integer.parseInt(hex[i], 16);  	   string.append((char) data);  }}else if(unicode.startsWith("&#")){String[] hex = place("&#", "").split(";");  		   for (int i = 0; i < hex.length; i++) {  	   int data = Integer.parseInt(hex[i], 10);  	   string.append((char) data);  }}	   	   String();  }