Question

我正在处理XML数据集（DrugBank数据库可用here），其中某些字段包含转义的XML字符，如＆＃34;＆amp;＆＃34;等。

为了使问题更具体，这是一个示例场景：

<drugs>
    <drug>
        <drugbank-id>DB00001</drugbank-id>
        <general-references>
            # Askari AT, Lincoff AM: Antithrombotic Drug Therapy in Cardiovascular Disease. 2009 Oct; pp. 440&#x2013;. ISBN 9781603272346. "Google books":http://books.google.com/books?id=iadLoXoQkWEC&amp;pg=PA440.
        </general-references>
        .
    </drug>
    <drug>
    ...
    </drug>
    ...
</drugs>

由于整个文档很庞大，我解析如下：

VTDGen gen = new VTDGen();
try {
    gen.setDoc(Files.readAllBytes(DRUGBANK_XML));
    gen.parse(true);
} catch (IOException | ParseException e) {
    SystemHelper.exitWithMessage(e, "Unable to process Drugbank XML data. Aborting.");
}
VTDNav nav = gen.getNav();
AutoPilot pilot = new AutoPilot(nav);
pilot.selectXPath("//drugs/drug");
while (pilot.evalXPath() != -1) {
    long fragment = nav.getContentFragment();
    String drugXML = nav.toString((int) fragment, (int) (fragment >> 32));
    System.out.println(drugXML);
    finerParse(drugXML); // another method handling a more detailed data analysis
}

当我使用示例xml（从相同数据复制粘贴的片段）测试finerParse方法时，它运行正常。但是，当从上面的代码调用时，它失败并显示错误消息Errors in Entity: Illegal entity char。在将输入打印到finerParse（即drugXML字符串）后，我注意到原始xml中的字符串&pg=PA440已更改为＆＃34;＆amp; pg = PA440＆＃34 ;

为什么会这样？我正在做的就是使用一个非常着名的解析器来解析它。

P.S。我已经找到了一个替代解决方案，我只是将VTDNav作为参数传递给finerParse，而不是先获取内容字符串并传递该字符串。但我仍然对上述方法出了什么问题感到好奇。

Answer 1

使用vtdNav.toRawString（）代替vtdNav.toString（），问题应该消失......让我知道它是否有效。

VTD-XML似乎破坏了XML文档中的转义字符串

1 个答案: