本文介绍一种稳定、可复用的方法，从含HTML实体编码（如 >、&）的自动化邮件正文中精准提取密码字段，并完成HTML字符解码，支持多种常见密码格式及嵌套结构。
本文介绍一种稳定、可复用的方法，从含html实体编码（如 `>`、`&`）的自动化邮件正文中精准提取密码字段，并完成html字符解码，支持多种常见密码格式及嵌套结构。
在自动化用户注册或密码重置流程中，系统常通过邮件发送临时密码（如 83Pp>epn 或 Y5y>eAy&）。这类密码常以HTML片段形式嵌入邮件正文（例如
Password: 83Pp>epn
），且包含转义字符（> 表示 >，& 表示 &）。若直接使用固定偏移量截取（如 substring(index + 11, index + 24)），极易因密码长度变化、标签换行、多余空格或HTML结构微调而失败。推荐方案：基于HTML语义边界定位 + 安全解码
核心思路是避开硬编码长度，转而利用语义明确的HTML标签边界（ Password: 和
✅ 正确实现如下：
立即学习“前端免费学习笔记（深入）”；
import org.apache.commons.text.StringEscapeUtils; // 需引入 commons-text 1.10+（推荐）或 commons-lang3
public class PasswordExtractor {
public static String extractAndDecodePassword(String emailHtml) {
if (emailHtml == null || emailHtml.trim().isEmpty()) {
throw new IllegalArgumentException("Email content cannot be null or empty");
}
// 步骤1：定位 <p>Password: 开始位置
int startTagIndex = emailHtml.indexOf("<p>Password: ");
if (startTagIndex == -1) {
throw new IllegalStateException("Cannot find '<p>Password: ' in email HTML");
}
// 步骤2：跳过标签，获取后续内容起始点（"Password: " 长度为 12，但含 <p> 共13字符）
int passwordStart = startTagIndex + 13;
// 步骤3：查找紧随其后的 </p> 结束位置
int endTagIndex = emailHtml.indexOf("</p>", passwordStart);
if (endTagIndex == -1) {
throw new IllegalStateException("Cannot find closing '</p>' after 'Password:'");
}
// 步骤4：提取原始密码字符串（含HTML实体）
String rawPassword = emailHtml.substring(passwordStart, endTagIndex).trim();
// 步骤5：安全解码HTML实体（如 > → >, & → &）
return StringEscapeUtils.unescapeHtml4(rawPassword);
}
// 使用示例
public static void main(String[] args) {
String emailContent = "<p>A temporary password has been created for your user account.</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/ai/2137" title="提客AI提词器"><img
src="https://img.php.cn/upload/ai_manual/000/000/000/175680088531646.png" alt="提客AI提词器" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/ai/2137" title="提客AI提词器">提客AI提词器</a>
<p>「直播、录课」智能AI提词，搭配抖音直播伴侣、腾讯会议、钉钉、飞书、录课等软件等任意软件。</p>
</div>
<a href="/ai/2137" title="提客AI提词器" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div>" +
"<p>User Name: <a class=\"__cf_email__\" href=\"/cdn-cgi/l/email-protection\">[email protected]</a></p>" +
"<p>Password: 83Pp>epn</p>" +
"<p>Log into the platform with the provided URL to complete your user account set up.</p>";
String password = extractAndDecodePassword(emailContent);
System.out.println("Decoded password: '" + password + "'"); // 输出: '83Pp>epn'
}
}? 关键注意事项：
- 依赖项：需添加 org.apache.commons:commons-text（Maven）以使用 StringEscapeUtils.unescapeHtml4() —— 它比旧版 commons-lang3 的 unescapeHtml() 更严格、更安全，能正确处理 '、" 及数值实体（如 >）。
-
HTML结构假设：本方案假设密码始终位于
Password: ...
标签内。若实际邮件使用、 或无标签纯文本，请先用轻量级解析器（如 Jsoup）提取，而非正则或 indexOf。- 异常防御：代码显式检查 indexOf 返回值，避免 StringIndexOutOfBoundsException；生产环境应记录原始邮件快照用于故障排查。
- 安全性提醒：临时密码属敏感信息，提取后应立即擦除内存引用（如用 Arrays.fill(charArray, '\0')），避免日志打印明文。
? 进阶建议：若邮件HTML结构多变（如密码可能出现在
- 、 或无包裹标签中），建议升级为使用 Jsoup 进行健壮DOM解析：
Document doc = Jsoup.parse(emailHtml); String raw = doc.select("p:containsOwn(Password:)").text().replace("Password:", "").trim(); return StringEscapeUtils.unescapeHtml4(raw);此方法将提取逻辑与HTML结构解耦，显著提升长期可维护性。
