本文介绍一种可靠方法，从含HTML实体编码（如 >、&）的自动发送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与嵌套结构。
本文介绍一种可靠方法，从含html实体编码（如 `>`、`&`）的自动发送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与嵌套结构。
在自动化用户注册或密码重置流程中，系统常通过HTML邮件发送临时密码（例如
Password: 83Pp>epn
）。直接使用固定长度截取（如 substring(index + 11, index + 19)）极易因密码长度变化、HTML标签嵌套或实体编码差异而失败。正确的做法应遵循语义定位 → 边界截取 → HTML解码三步原则，确保鲁棒性。✅ 推荐实现：基于HTML语义边界的安全提取
首先定位
Password: 开始位置，再提取至下一个
结束标签前的内容，避免硬编码偏移量：String s3 = "<p>A temporary password has been created for your user account.</p>" +
"<p>User Name: <a class=\"__cf_email__\" ...>[email​protected]</a></p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/cb6835dc7db1" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">前端免费学习笔记（深入）</a>”；</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/ai/1773" title="ColorMagic"><img
src="https://img.php.cn/upload/ai_manual/000/969/633/68b6ce88373f7949.png" alt="ColorMagic" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/ai/1773" title="ColorMagic">ColorMagic</a>
<p>AI调色板生成工具</p>
</div>
<a href="/ai/1773" title="ColorMagic" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div>" +
"<p>Password: 83Pp>epn</p>" +
"<p>Log into the platform...</p>";
// 1. 定位起始标记后的内容（跳过 "<p>Password: " 共13个字符）
int startIdx = s3.indexOf("<p>Password: ");
if (startIdx == -1) {
throw new IllegalArgumentException("Password section not found in email HTML");
}
String passwordHtml = s3.substring(startIdx + 13);
// 2. 截取到第一个闭合 </p> 标签前
int endIdx = passwordHtml.indexOf("</p>");
if (endIdx == -1) {
throw new IllegalArgumentException("Closing </p> tag not found after Password:");
}
String passwordEscaped = passwordHtml.substring(0, endIdx).trim();此时 passwordEscaped 的值为 "83Pp>epn" —— 这是HTML编码后的原始密码字符串，需进一步解码。
? 必须解码HTML实体字符
HTML邮件中常见的 >（>）、&（&）、<（
<!-- Maven 依赖 -->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-text</artifactId>
<version>1.12.0</version>
</dependency>import org.apache.commons.text.StringEscapeUtils;
String password = StringEscapeUtils.unescapeHtml4(passwordEscaped);
System.out.println("Decoded password: " + password); // 输出：83Pp>epn
✅ 该方案可正确处理所有提问中的测试用例：
- "Y5y>eAy&" → Y5y>eAy&
- "jO3S>Eu1" → jO3S>Eu1（自动截断 前内容）
- "83Pp>epn" / "83Pp>epn" → 统一输出 83Pp>epn
⚠️ 关键注意事项
- 不要依赖固定长度或模糊正则：密码长度和HTML结构可能动态变化（如换行、空格、内联样式），indexOf + substring 比正则更轻量且可控。
- 务必校验边界存在性：indexOf() 返回 -1 时需主动抛异常或返回空，避免 StringIndexOutOfBoundsException。
- 警惕 XSS 风险：此逻辑仅用于可信内部邮件解析；若处理用户提交的HTML，需额外做输入净化。
-
兼容性建议：若无法引入 Commons Text，可用简易替换（仅限基础实体）：
String decoded = passwordEscaped.replace(">", ">") .replace("<", "<") .replace("&", "&") .replace(""", "\"") .replace("'", "'");但强烈推荐使用成熟库以覆盖全部 HTML4 实体。
通过语义化定位与标准化解码，即可构建稳定、可维护的密码提取逻辑，彻底规避因邮件模板微调导致的解析失败问题。
