えー、久々にお仕事ネタです。（たまには書かないと・・・）

Javaで、ＸＭＬのエスケープ処理とかの実装を調査する機会がありまして、ちょっとハマったので、覚書としてメモしておきます。

ＸＭＬ文書をパースする際には、定義済み実体参照を置換すること（例えば、＆ｌｔ；を＜にするとか）は理解していたんですが、文字参照（＆＃で始まる１０進や、＆＃ｘで始まる１６進）を文字に置換するというのを忘れておりまして。

そこで、16進数字から文字へ変換する処理を実装しようと、ＡＰＩを探したんですが、コレ！というのが見当たりません。ググってもなかなかヒットしない。逆（文字から１６進数字）は、Integer#toHexStringでできるんですが・・・。

じゃ自作するか、と同僚とアレコレやってみました。intにしてbyte配列にしてビット演算して・・・と試行錯誤して何とか出来たは出来たんですが、イマイチすっきりしなくて。

ダメ元で、もう一度キーワードを変えてググったら・・・やっとよさげなのにヒットしました。

■[Java][覚書]NcrCodec

decodeメソッドだけ抜粋。

// NCRデコードを行う（10進、16進）

public static String decode(String str) {
    Pattern pattern = Pattern.compile("&#(\\d+);|&#([\\da-fA-F]+);");
    Matcher matcher = pattern.matcher(str);
    StringBuffer sb = new StringBuffer();
    Character buf;
    while(matcher.find()){
        if(matcher.group(1) != null){
            buf = new Character(
                      (char)Integer.parseInt(matcher.group(1)));
        }else{
            buf = new Character(
                      (char)Integer.parseInt(matcher.group(2), 16));
        }
        matcher.appendReplacement(sb, buf.toString());
    }
    matcher.appendTail(sb);
    return sb.toString();
}

なるほど。Integer#parseIntした値をcharでキャストしてCharacterに食わせればいいのか・・・うーん、こんなに簡単だったとは・・・。

しかも、「＆＃ｘ○○○○；」を抽出する正規表現のロジックも載ってるし。Matcherってこうやって使うのね。appendReplacementか・・・勉強になります。

以上、覚書でした。

なんか、今どきＸＭＬパース処理なんて、”車輪の再発明”しているような気がしないでもないですが、ＸＭＬ１．０勧告をちゃんと読むいい機会になりました。