使用 Emacs 将非 ASCII 字符替换为 SGML 实体代码

Question

我有一个包含一些非 ASCII 字符的 HTML 文件，例如以 UTF-8 或 UTF-16 编码的字符。为了以 ASCII 保存文件，我想用它们的 (SGML/HTML/XML) 实体代码替换它们。例如，每个都\xc3\xab应该成为ë，每个都\xe2\x97\x8a应该成为◊。我怎么做？

\n\n

我使用 Emacs 作为编辑器。我确信它有一个功能可以进行替换，但我找不到它。我缺少什么？或者我自己如何实现？

\n

Answer 1

我到处搜索，但似乎Emacs（或至少24.3.1版本）没有这样的功能。我也无法在某处找到它。

基于我确实找到的类似（但不同）的功能，我自己实现了它：

(require 'cl)
(defun html-nonascii-to-entities (string)
  "Replace any non-ascii characters with HTML (actually SGML) entity codes."
  (mapconcat
   #'(lambda (char)
       (case char
             (t (if (and (<= 8 char)
                         (<= char 126))
                    (char-to-string char)
                  (format "&#%02d;" char)))))
   string
   ""))
(defun html-nonascii-to-entities-region (region-begin region-end)
  "Replace any non-ascii characters with HTML (actually SGML) entity codes."
  (interactive "r")
  (save-excursion
    (let ((escaped (html-nonascii-to-entities (buffer-substring region-begin region-end))))
      (delete-region region-begin region-end)
      (goto-char region-begin)
      (insert escaped))))

我根本不是 Elisp 专家，但这确实有效！

我还发现find-next-unsafe-char很有价值。

编辑：互动版本！

(defun query-replace-nonascii-with-entities ()
  "Replace any non-ascii characters with HTML (actually SGML) entity codes."
  (interactive)
  (perform-replace "[^[:ascii:]]"
                   `((lambda (data count)
                       (format "&#%02d;" ; Hex: "&#x%x;"
                               (string-to-char (match-string 0)))))
                     t t nil))