替換格式不正確的XML正文中的字符
[英]Replacing characters in a non well-formed XML body
問題描述
在我正在使用的（Java）代碼中，有時會處理格式不正確的XML（表示為Java String ），例如：
<root>
<foo>
bar & baz < quux
</foo>
</root>
由於最終將需要對XML進行解組（使用JAXB），因此，顯然，這種XML會在解組時引發異常。
將&和<替換為其字符實體的最佳方法是什么？ 對於& ，就像：
xml.replaceAll("&", "&")
然而，對於<符號，這是一個有點棘手，因為很明顯，我不想更換<多數民眾贊成用於XML標簽開放“支架”。
除了掃描字符串並將XML正文中的<手動替換為< ，您還能建議什么其他選擇？
3 個解決方案
解決方案1
4 已采納 2010-06-10 04:49:53
坦白地說，修復格式錯誤的XML的最佳方法是將其發送回給產生它的任何人，並要求他們向您發送格式正確的XML。 您展示了一個簡單的示例，該示例可能有解決方案，但是修復格式錯誤的XML的常規方法將是一項艱巨的工作。
而且由於不需要XML解析器來處理格式錯誤的XML，所以您的解析器也不需要。 只是不要這樣做。
解決方案2
1 2010-06-09 18:16:57
我想您需要更多高級邏輯。 最好首先使用“（<[^>] +>）之類的正則表達式定位所有實標簽，並且僅替換那些匹配項之外的文本，但是顯然您將無法使用replaceAll方法。 這將是一項艱巨的工作...
解決方案3
1 2011-02-04 11:28:58
雖然它是一個老帖子，但我認為它可能會對其他人有所幫助。.我有相同的要求/問題，我可以使用以下代碼來解決。
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class XMLTest {
/**
* @param args
*/
public static void main(String[] args) {
String xml = "<xml><body>" +
"<message>something < between <<< somthing </message>" +
"<text> testing >> > testing </text>" +
"</body></xml>";
Pattern replaceGTPattern = Pattern.compile(">[^<](.[^<]*)(>)+");
Matcher m = replaceGTPattern.matcher(xml);
String replacement;
StringBuffer intermXml = new StringBuffer();
while(m.find()){
replacement = ">"+m.group(0).substring(1).replaceAll(">", ";>");
m.appendReplacement(intermXml,replacement);
}
m.appendTail(intermXml);
Pattern replaceLTPattern = Pattern.compile("<(.[^>]*)(<)+");
m = replaceLTPattern.matcher(intermXml);
StringBuffer finalXml = new StringBuffer();
while(m.find()){
replacement = m.group(0).substring(0,m.group(0).length()-1).replaceAll("<", ";<").concat("<");
m.appendReplacement(finalXml,replacement);
}
m.appendTail(finalXml);
System.out.println(finalXml);
}
}
我需要解析非格式良好的xml數據（HTML）
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.