Java XML API將“轉換為”

Question

我正在開發一個Java程序，該程序可以讀取HTML代碼，解析HTML，獲取內容（人類可讀的文本）並將其存儲在XML文件中。 有時，HTML代碼包含' ， " （以及其他字符），但有時它們也分別寫為'和" 。

我按照適當的步驟構建XML。 我使用Document和Element類，並使用Transformer ， DomSource和StreamResult類制作XML文件。

問題是保存文件時，我看到&符號被替換為& 。 我知道那是對的。 但它會將' 以&&apos也！

我還嘗試過將Document對象轉換為String對象，然后將該字符串傳遞給StringEscapeUtils.unescapeXml(String s)方法，以使XML實體保持完整。 但是，它不會將&實體轉換為& ，導致無效的XML文件。

（我已將OutputKeys.ENCODING設置為“ UTF-8”，並將OutputKeys.METHOD為“ xml”。）

Answer 1

問題在於您的HTML解析，而不是XML輸出。 在HTML中 是單引號，因此當存在“ 在HTML中，解析器應將其作為單引號提供給您。

您正在使用什么解析器？ 諸如Jsoup之類的流行解析器不會出錯。