使用Saxon进行转换时处理XML中的特殊字符

Question

我正在尝试使用Saxon将样式表应用于XML文档。给定一个在Microsoft Word中生成并具有Microsoft Word样式引号的XML文件，例如以下文档中的FOO

<?xml version="1.0" encoding="UTF-8"?>
<doc>
    <act>
        <performer typeCode=“FOO“ />
        <performer typeCode="BAR" />
    </act>
</doc>

Saxon抛出以下错误：

SXXP0003: Error reported by XML parser: Invalid byte 1 of 1-byte UTF-8 sequence.

在XML中处理这些类型的“特殊”字符的最佳方法是什么？这些字符旨在有效但在实际的解析/转换中会中断？

Answer 1

由于上述内容不是有效的XML，您必须对输入进行一些预处理（例如使用FilterReader），因为任何XML解析器都会指示错误（通常是致命错误，所以你无法处理错误并继续）。

如果特殊引号仅在xml中，您可以使用普通引号简单替换特殊引号（如果必须检查编码类型的前导码，则需要更多工作）。如果你想在文档的其他地方保留特殊引号，你将不得不做一些更复杂的事情（主要是跟踪你是否在标签中）。

Answer 2

麻烦的是那些'特殊'引号是无效的xml。 Saxon或任何其他xml解析器将抛出那些东西而不解析文档。

我唯一可以建议的是搜索并替换它们并用预期的引号替换它们。