Question

使用Saxon处理xml文件：http://meltwaternews.com/magenta/xml/html/18/2/rss/v2_406837.rss2.XML包含一些挪威字符，如Æ，Ø，Å。 xml编码是utf-8

然而，出现错误：非法的html字符：十进制152.（http://meltwater.vacau.com/s2.png）

但在原始的xml文件中找不到〜的十进制数。

如果我使用windows-1252用Saxon处理这个xml文件，我实际上可以看到Æ，Ø，Å被错误解析为Ã〜Ã¥（你可以在这里看到小数152）（http：// meltwater.vacau.com/s1.png）。

有人可以建议如何做对吗？

Answer 1

使用角色地图。

<xsl:character-map name="meltwater_fix">
  <xsl:output-character character="&#152;" string="˜"/>
</xsl:character-map>

然后添加到输出元素：

<xsl:output> or <xsl:result-document>

以下属性：

use-character-maps="meltwater_fix"

Answer 2

我对挪威字符'Ø'有同样的问题。问题不是特定于撒克逊人，问题也存在于apache xalan中。 Illegal HTML character: decimal 152

我设法通过确保XML和XSL文档都被正确编码（一些文本编辑器可能显示正确的文本但仍然将文档保存为UTF-8或其他编码）来使其工作。我使用vim :write ++enc=ISO-8859-1保存了所有测试文档，以确保使用正确的编码保存文档。

我还必须指定XSL-Transformer的输出编码：

String encoding = "ISO-8859-1";
Transformer transformer = transformerFactory.getTransformer(xsltDocumentSource);
transformer.setOutputProperty(OutputKeys.ENCODING, encoding);

Saxon问题与挪威字符

2 个答案: