如何在JSOUP中禁用轉義模式？

Question

我正在使用JSOUP （用於XML文件的java工具），我使用以下代碼來讀取保存在XML文件中的URL。 這是我的代碼：

Document d = Jsoup.parse(new File("feed.xml"), null);
Element elementCat = d.getElementsByTag("cat").get(0);
String stringUrl = elementCat.ownText();
System.out.println(stringUrl);

XML輸入文件是這樣的：

<?xml version="1.0" encoding="utf-8" standalone="no"?>
<root>
<cat>http://www.isna.ir/ISNA/FullNews.aspx?SrvID=Event&Lang=P</cat>
</root>

我的問題是程序的輸出是這樣的： http : //www.isna.ir/ISNA/FullNews.aspx? SrvID=Event⟪ = P而不是： http : //www.isna.ir/ISNA/FullNews的.aspx？SrvID =事件＆郎= P

換句話說，它將“＆Lang”自動轉換為“ to”。 請注意，它不是“⟪”，只是沒有分號的“＆Lang”。 我想禁用編碼或轉義，我想要原始數據。

我怎么解決這個問題？

Answer 1

你有一塊XML。 在XML中，有一種轉義標記的方式，因為有時您只需要一段包含<或值中帶有"的屬性的文本即可。轉義使用字符實體引用來完成，該字符實體引用以＆開頭，后跟代碼，然后是分號，如下所示： <可以表示< 。

當然，這給我們留下了安培和自身的問題。 如果實際上是與號，而不是其他字符實體，則必須對其進行編碼： & 。

您所擁有的是XML格式不正確的XML。 &表示你正在開始一個字符實體引用，但它會得到Lang 。 現在，也許jsoup沒有解決這個問題。 但那是因為它是用於HTML解析而不是XML。 由於HTML比XML寬容一些，因此我想jsoup只是用其他內容代替了成為未知字符引用所需要的內容。 可能是nul角色。

因此，請確保XML格式正確。 如果無法做到這一點，請不要將其視為XML而是HTML。 如果您要處理XML，請查看SAX，StAX，DOM或JAXB。