Question

我正在从XML中提取ISO-8559-2编码的文本。它工作正常，但是，有些特殊字符使用其相应的HTML代码。 XML文件：

<?xml version="1.0" encoding="iso-8859-2"?>
<!DOCTYPE TEI.2 SYSTEM "http://mek.oszk.hu/mekdtd/prose/TEI-MEK-prose.dtd">
<!-- ?xml-stylesheet type="text/xsl" href="http://mek.oszk.hu/mekdtd/xsl/boszorkany_txt.xsl"? -->
<TEI.2 id="MEK-00798">
    <text type="novel">
        <front>
            <titlePage>
                <docAuthor>Jókai Mór</docAuthor>
                <docTitle>
                    <titlePart>Az arany ember</titlePart>
                </docTitle>
            </titlePage>
        </front>
        <body>
            <div type="part">
                <head>
                    <title>A Szent Borbála</title>
                </head>
                <div type="chapter">
                    <head>
                        <title>I. A VASKAPU</title>
                    </head>
                    <p text-align="justify">A kitartó hetes vihar. &#150; Ez járhatlanná teszi a Dunát a Vaskapu
                        között.
                    </p>
                </div>
            </div>
        </body>
    </text>
</TEI.2>

我使用的代码片段：

        SAXReader reader = new SAXReader();
        reader.setEncoding("ISO-8859-2");

        Document document = reader.read(file);
        Node node = document.selectSingleNode("//*[@type='chapter']/p");
        String text = node.getStringValue();
        // String text = org.jsoup.parser.Parser.unescapeEntities(node.getStringValue(), true);
        // String text = org.apache.commons.lang3.StringEscapeUtils.unescapeHtml4(node.getStringValue());

我还在评论中包括了一些我尝试过的库，但没有成功。

我想看的是： kitartóhetes vihar。 -Ezjárhatlannáteszi和Dunáta Vaskapuközött。 调试时看到的是： kitartóhetes vihar。 Ezjárhatlannáteszi anDunáta Vaskapuközött。

如何在Java中读取XML时转义转义的特殊字符

0 个答案: