逃避XML字符的最佳做法？

Question

我有html数据，我正在转换成Dom4J文档。

我遇到了一个错误：

org.dom4j.DocumentException: Error on line 1 of document  : Reference is not allowed in prolog. Nested exception: Reference is not allowed in prolog.
    at org.dom4j.io.SAXReader.read(SAXReader.java:482)
    at org.dom4j.DocumentHelper.parseText(DocumentHelper.java:278)
    at MonTest.main(MonTest.java:21)
Nested exception: 
    org.xml.sax.SAXParseException: Reference is not allowed in prolog.

这是一个角色“＆amp;”我需要逃进＆amp;放大器;为了建立文件。

在XML中，似乎我们需要转义5个字符：（gt，lt，quot，amp，apos）

尽管如此，我怎样才能逃脱它，而不是将其转移到“节点”元素中：

<div id="test" class='toto'>A&A<A"A</div>

应该给：

<div id="test" class='toto'>A&amp;A&lt;A&quot;A</div>

而不是

<div id="test" class='toto'>A&A<A"A</div>

谢谢，

Answer 1

在添加到XML文档之前转义字符串。使用Apache Commons Lang中的StringEscapeUtils.escapeXml方法。使用一些库来构建XML，例如http://code.google.com/p/joox/

Answer 2

我将看一下使用宽松的HTML XMLReader而不是默认的XMLReader实现。类似于tag soup或html tidy。