Question

我正在使用Xerces来解析我的xml文档。问题是xml转义了像'＆amp; nbsp;'这样的字符在characters（）方法中显示为非转义的。我需要在characters（）方法中获取转义字符。

感谢。

UPD：试图在我的DefaultHandler的后代中覆盖resolveEntity方法。从调试中可以看出它被设置为xml阅读器的实体解析器，但是没有调用来自重写方法的代码。

Answer 1

我认为您的解决方案并不算太糟糕：只需几行代码即可完成您想要的工作。问题是startEntity接口不提供endEntity和ContentHandler方法，因此您必须编写一个与LexicalHandler结合使用的ContentHandler。通常，XMLFilter的使用更为优雅，但您必须使用实体，因此您仍应编写LexicalHandler。请查看here，了解SAX过滤器的使用。

我想向您展示一种与您非常相似的方式，它允许您将输出操作（或其他内容）的过滤操作（例如包装和&）分开。我已经基于XMLFilter编写了我自己的XMLFilterImpl，它还实现了LexicalHandler接口。此过滤器仅包含与entites escape / unescape相关的代码。

public class XMLFilterEntityImpl extends XMLFilterImpl implements
        LexicalHandler {

    private String currentEntity = null;

    public XMLFilterEntityImpl(XMLReader reader)
            throws SAXNotRecognizedException, SAXNotSupportedException {
        super(reader);
        setProperty("http://xml.org/sax/properties/lexical-handler", this);
    }

    @Override
    public void characters(char[] ch, int start, int length)
            throws SAXException {
        if (currentEntity == null) {
            super.characters(ch, start, length);
            return;
        }

        String entity = "&" + currentEntity + ";";
        super.characters(entity.toCharArray(), 0, entity.length());
        currentEntity = null;
    }

    @Override
    public void startEntity(String name) throws SAXException {
        currentEntity = name;
    }

    @Override
    public void endEntity(String name) throws SAXException {
    }

    @Override
    public void startDTD(String name, String publicId, String systemId)
            throws SAXException {
    }

    @Override
    public void endDTD() throws SAXException {
    }

    @Override
    public void startCDATA() throws SAXException {
    }

    @Override
    public void endCDATA() throws SAXException {
    }

    @Override
    public void comment(char[] ch, int start, int length) throws SAXException {
    }
}

这是我的主要内容，DefaultHandler为ContentHandler根据过滤器代码接收实体：

public static void main(String[] args) throws ParserConfigurationException,
        SAXException, IOException {

    DefaultHandler defaultHandler = new DefaultHandler() {
        @Override
        public void characters(char[] ch, int start, int length)
                throws SAXException {
            //This method receives the entity as is
            System.out.println(new String(ch, start, length));
        }
    };

    XMLFilter xmlFilter = new XMLFilterEntityImpl(XMLReaderFactory.createXMLReader());
    xmlFilter.setContentHandler(defaultHandler);
    String xml = "<html><head><title>title</title></head><body>&amp;</body></html>";
    xmlFilter.parse(new InputSource(new StringReader(xml)));
}

这是我的输出：

title
&amp;

可能你不喜欢它，无论如何这是另一种解决方案。

对不起，但是SaxParser我觉得你没有更优雅的方式。

您还应该考虑切换到StaxParser ：在XMLInputFactory.IS_REPLACING_ENTITY_REFERENCE设置为false的情况下，您可以轻松完成所需操作。如果你喜欢这个解决方案，你应该看看here。

Answer 2

如果您提供LexicalHandler作为SAX解析器的回调，它将使用startEntity（）和endEntity（）回调通知您每个实体引用的开始和结束。

（请注意，http://download.oracle.com/javase/1.5.0/docs/api/org/xml/sax/ext/LexicalHandler.html处的JavaDoc会在正确的术语为“实体引用”时与“实体”进行对话。）

另请注意，无法让SAX解析器告诉您有关ሴ等数字字符引用的信息。应用程序应该以与原始角色完全相同的方式处理它们，所以你真的不应该对它们感兴趣。

Answer 3

临时解决方案：

public void startEntity(String name) throws SAXException {
    inEntity = true;
    entityName = name;
}

public void characters(char[] ch, int start, int length) throws SAXException {
    String data;
    if (inEntity) {
        inEntity = false;
        data = "&" + entityName + ";";
    } else {
        data = new String(ch, start, length);
    }
    //TODO do something instead of System.out
    System.out.println(data);
}

但仍然需要优雅的解决方案。

Answer 4

还有一个escapeXml类的org.apache.commons.lang.StringEscapeUtils方法。

在characters(char[] ch, int start, int length)方法中试用此代码：

String data=new String(ch, start, length);
String escapedData=org.apache.commons.lang.StringEscapeUtils.escapeXml(data);

您可以下载jar here。

SAX解析器：忽略特殊字符

4 个答案: