使用HTML代码执行XML的简单方法？

Question

我有一个XML文件sample.xml，其中包含以下内容：

<Tokens>
   <Token>Hello&nbsp;World</Token>
</Tokens>

我想解析它 - 但是当它到达NBSP时会出错。

我无法访问我正在使用的XML架构（定义令牌或令牌的架构）。

DocumentBuilderFactory docBuilderFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder docBuilder = docBuilderFactory.newDocumentBuilder();
doc = docBuilder.parse("sample.xml");

由于我的XML文档没有Schema，我想知道在解析时是否有办法让它完全忽略HTML特殊字符？

Answer 1

在XML中， 是实体引用，但是未定义引用，除非您提供定义。您无法使XML解析器忽略它们，但您可以定义它们，例如用

开始你的文件

<!DOCTYPE Tokens [<!ENTITY nbsp "&#xa0;">]>

但是，如果要生成XML文件，这可能没用。您也可以生成一个包含真实字符“”U + 00A0 NO-BREAK SPACE，或字符引用 或其十进制等效 的文档。

比照。质疑How do I define HTML entity references inside a valid XML document?

Answer 2

你要求的是不可能的，因为解析问XML实体必须在某处有定义。要将其解析为XML以外的其他语法，您需要编写自己的解析器，或使用容错解析器。 XML不是标签汤。

Answer 3

XML不支持&nbsp，尽管XHTML支持&#160。查看predefined entities in XML list

解决方案是在构建XML时使用Unicode非中断空格字符&#32;代替。在某些情况下，普通空间也可以工作（&nbsp;）。在解析XML之前，您可以尝试使用''-space替换{{1}}。

Answer 4

我同意里德瓦尔德的看法。但作为一种解决方法，您可以将文件读取为字符串，并在解析文档之前替换with空格。