时间戳

首页 > 解决方案 > 使用 Woodstox 解析 XML 时保持实体不变

java - 使用 Woodstox 解析 XML 时保持实体不变

问题描述

我正在使用 Woodstox 处理>在其中一个节点的值中包含一些实体（最明显的是 ）的 XML。举一个极端的例子，它是这样的：

<parent>&nbsp; &lt; &nbsp; &gt; &amp; &quot; &apos; &nbsp;</parent>

我已经为WstxInputFactory ( IS_REPLACING_ENTITY_REFERENCES, P_TREAT_CHAR_REFS_AS_ENTS, P_CUSTOM_INTERNAL_ENTITIES...) 和WstxOutputFactory尝试了很多不同的配置选项，但无论我尝试什么，输出始终是这样的：

<parent>nbsp; &lt; nbsp; > &amp; " ' nbsp;</parent>

（&gt;被转换为>，&lt;保持不变，&nbsp;失去&......）

我正在使用创建的XMLEventReader读取 XML

XMLEventReader reader = wstxInputFactory.createXMLEventReader(new StringReader(fulltext));

配置WstxInputFactory之后。

有没有办法将 Woodstox 配置为忽略所有实体并完全按照输入字符串中的内容输出文本？

标签： javaxmlstaxwoodstox

解决方案

将始终处理基本的五个 XML 实体（quot、amp、apos、lt、gt）。据我所知，没有办法通过 Sax 获得它们的来源。

对于其他实体，您可以手动处理它们。您可以捕获事件直到元素结束并连接值：

    XMLInputFactory factory = WstxInputFactory.newInstance();
    factory.setProperty(XMLInputFactory.IS_REPLACING_ENTITY_REFERENCES, Boolean.FALSE);
    XMLEventReader xmlr = factory.createXMLEventReader(
            this.getClass().getResourceAsStream(xmlFileName));

    String value = "";
    while (xmlr.hasNext()) {
        XMLEvent event = xmlr.nextEvent();
        if (event.isCharacters()) {
            value += event.asCharacters().getData();
        }
        if (event.isEntityReference()) {
            value += "&" + ((EntityReference) event).getName() + ";";
        }
        if (event.isEndElement()) {
            // Assign it to the right variable
            System.out.println(value);
            value = "";
        }
    }

对于您的示例输入：

<parent>&nbsp; &lt; &nbsp; &gt; &amp; &quot; &apos; &nbsp;</parent>

输出将是：

&nbsp; < &nbsp; > & " ' &nbsp;

否则，如果您想转换所有实体，也许您可​​以为未声明的实体使用自定义XmlResolver：

public class NaiveHtmlEntityResolver implements XMLResolver {

    private static final Map<String, String> ENTITIES = new HashMap<>();

    static {
        ENTITIES.put("nbsp", " ");
        ENTITIES.put("apos", "'");
        ENTITIES.put("quot", "\"");
        // and so on
    }

    @Override
    public Object resolveEntity(String publicID,
            String systemID,
            String baseURI,
            String namespace) throws XMLStreamException {
        if (publicID == null && systemID == null) {
            return ENTITIES.get(namespace);
        }
        return null;
    }
}

然后告诉 Woodstox 将其用于未声明的实体：

    factory.setProperty(WstxInputProperties.P_UNDECLARED_ENTITY_RESOLVER, new NaiveHtmlEntityResolver());

推荐阅读