Question

我正在使用Woodstox处理XML，该XML包含一个节点的值中的某些实体（最著名的是S state = getOneState()）。举一个极端的例子，它是这样的：

>

我为 WstxInputFactory （<parent>  <   > & " '  </parent>，IS_REPLACING_ENTITY_REFERENCES，P_TREAT_CHAR_REFS_AS_ENTS ...）和 WstxOutputFactory < / strong>，但是无论我如何尝试，输出始终都是这样的：

P_CUSTOM_INTERNAL_ENTITIES

（{<parent>nbsp; < nbsp; > & " ' nbsp;</parent>被转换为>，>保持不变，<失去了  ...）

我正在使用创建的 XMLEventReader 读取XML，

&

配置 WstxInputFactory 之后。

是否可以将Woodstox配置为仅忽略所有实体并完全按照输入字符串中的文本输出文本？

Answer 1

将始终处理基本的五个XML实体（quot，amp，apos，lt，gt）。据我所知，无法通过Sax获取它们的来源。

对于其他实体，您可以手动处理它们。您可以捕获事件直到元素末尾并连接值：

    XMLInputFactory factory = WstxInputFactory.newInstance();
    factory.setProperty(XMLInputFactory.IS_REPLACING_ENTITY_REFERENCES, Boolean.FALSE);
    XMLEventReader xmlr = factory.createXMLEventReader(
            this.getClass().getResourceAsStream(xmlFileName));

    String value = "";
    while (xmlr.hasNext()) {
        XMLEvent event = xmlr.nextEvent();
        if (event.isCharacters()) {
            value += event.asCharacters().getData();
        }
        if (event.isEntityReference()) {
            value += "&" + ((EntityReference) event).getName() + ";";
        }
        if (event.isEndElement()) {
            // Assign it to the right variable
            System.out.println(value);
            value = "";
        }
    }

对于您的示例输入：

<parent>&nbsp; &lt; &nbsp; &gt; &amp; &quot; &apos; &nbsp;</parent>

输出将是：

&nbsp; < &nbsp; > & " ' &nbsp;

否则，如果要转换所有实体，则可以对未声明的实体使用自定义XmlResolver：

public class NaiveHtmlEntityResolver implements XMLResolver {

    private static final Map<String, String> ENTITIES = new HashMap<>();

    static {
        ENTITIES.put("nbsp", " ");
        ENTITIES.put("apos", "'");
        ENTITIES.put("quot", "\"");
        // and so on
    }

    @Override
    public Object resolveEntity(String publicID,
            String systemID,
            String baseURI,
            String namespace) throws XMLStreamException {
        if (publicID == null && systemID == null) {
            return ENTITIES.get(namespace);
        }
        return null;
    }
}

然后告诉Woodstox将其用于未声明的实体：

    factory.setProperty(WstxInputProperties.P_UNDECLARED_ENTITY_RESOLVER, new NaiveHtmlEntityResolver());

Answer 2

首先，您需要包括实际代码，因为在没有确切说明如何输出已解析的内容的情况下，“输出始终是这样的”是没有意义的：您可能正在打印事件，正在使用某些库，或者可能正在使用Woodstox流或事件编写器。

第二个：少量的预定义实体（lt，gt，apos，quot，amp）之间的XML有所不同，和任意的用户定义实体，例如nbsp。以前您可以按原样使用，它们已经定义；只有在DTD中定义它们时，后者才存在。

两组的处理方式也不同；前者无论如何都将始终被扩展，这是XML规范。稍后将解决（除非禁用分辨率），然后再进行扩展-否则将引发异常。您还可以指定自定义解析器，如其他答案所述。但这仅用于自定义实体（此处为 ）。

最后，最好不要解释自己在做什么和尝试实现什么。相对于“我怎么做X”的具体问题（可能不是解决方法），这将有助于更好地提出建议。

关于Woodstox的配置，也许这个博客条目：

https://medium.com/@cowtowncoder/configuring-woodstox-xml-parser-woodstox-specific-properties-1ce5030a5173

将提供帮助（以及该系列中的其他2个）-它涵盖了现有的配置设置。

使用Woodstox解析XML时保持实体不变

2 个答案: