HTML 文字実体参照への変換

gistfile1.rb

# 数値文字参照ではなく、文字実体参照への変換
# なお、実際使う際はメソッド名"charref"は変更してください。
CGI.class_eval do
  class << self
    attr_accessor :char_ref
    alias :orig_unescapeHTML :unescapeHTML

    def unescapeHTML(str)
      result = orig_unescapeHTML(str)
      result.gsub!(/&\w*;/) { |ent| @char_ref[ent]}
      result
    end
  end
end

String.class_eval do
  class << self
    attr_accessor :char_ref
  end

  def charref
    result = ""
    self.each_codepoint do |c|
      if String.char_ref.include? c then
        result << "&#{String.char_ref[c]};"
      elsif ((c >= 0x00 && c <= 0x1F) || (c == 0x7F)) then
        result << "&##{c.to_i};"
      else
        result << c
      end
    end
    result
  end
end

String.char_ref = {}
CGI.char_ref = {}
IO.foreach("#{File.dirname(__FILE__)}/html_charref") do |line|
  s = line.split(' ')
  String.char_ref[s[0].to_i] = s[1]
  CGI.char_ref["&#{s[1]};"] = ("%c" % s[0].to_i)
end

HTML 4の文字実体参照も必要になったため、修正
gist: 3561627 のテーブルファイルを利用

CGI::unescapeHTMLでの文字実体参照にも対応