[英]Leave entities as-is when parsing XML with Woodstox
我正在使用Woodstox处理一个XML,其中包含一个节点的值中的某些实体(最值得注意的是>
)。 使用一个极端的例子,它是这样的:
<parent> < > & " ' </parent>
我为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,输出总是这样:
<parent>nbsp; < nbsp; > & " ' nbsp;</parent>
( >
转换为>
, <
保持不变,
失去&
...)
我正在使用创建的XMLEventReader读取XML
XMLEventReader reader = wstxInputFactory.createXMLEventReader(new StringReader(fulltext));
配置WstxInputFactory后 。
是否有任何方法可以将Woodstox配置为忽略所有实体并输出与输入String中的文本完全相同的文本?
将始终处理基本的五个XML实体(quot,amp,apos,lt,gt)。 据我所知,没有办法用萨克斯获得它们的来源。
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> < > & " ' </parent>
输出将是:
< > & " '
否则,如果要转换所有实体,可以使用自定义XmlResolver用于未声明的实体:
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将其用于未申报的实体:
factory.setProperty(WstxInputProperties.P_UNDECLARED_ENTITY_RESOLVER, new NaiveHtmlEntityResolver());
首先,你需要包含实际代码,因为“输出总是这样的东西”没有任何意义,如果没有准确解释你如何输出被解析的内容:你可能正在打印事件,使用某些库,或者可能使用Woodstox流或事件作家。
第二:有之间少数预先定义的实体(在XML差别lt
, gt
, apos
, quot
, amp
),和arbitary用户定义实体像什么nbsp
这里会。 以前你可以按原样使用,它们已经定义; 后者仅在您在DTD中定义它们时才存在。
两组的处理也不同; 无论如何都会扩展前者,这是XML规范。 后者将被解析(除非禁用解析),然后扩展 - 或者如果没有定义,将抛出异常。 您也可以通过其他答案指定自定义解析器; 但这只会用于自定义实体(此处为
)。
最后,不要解释你正在做的事情和你想要实现的目标一样好。 这将有助于提出比“我如何做X”的具体问题更好的建议,这可能不是可行的方法。
至于Woodstox的配置,可能是这篇博文:
将有所帮助(以及该系列中的其他2个) - 它涵盖了现有的配置设置。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.