Question

我正在创建一个Web服务，该服务接收字符串并将其转换为XML。 XML创建是通过java dom4j完成的。字符串的格式如下：

<form01><Textbox1 id="Textbox1" dataType="java.lang.String" perDataProId="">Site1</Textbox1><Textbox2 id="Textbox2" dataType="java.lang.String" perDataProId="">Site1</Textbox2></form01>

为避免XML无效字符，我想可以使用StringReader读取字符串并删除＆，但我想知道如何删除<和>？例如，如果输入字符串为

<form01><Textbox1 id="Textbox1" dataType="java.lang.String" perDataProId="">Site<1</Textbox1><Textbox2 id="Textbox2" dataType="java.lang.String" perDataProId="">Site1</Textbox2></form01>

如何在保留“ Site <1”中的“ <”的同时让其他人喜欢？有什么建议吗？

Answer 1

通常，在XML DOM中设置文本或稍后再获取时，XML API会很小心。

某些字符将转换为XML实体：< > " ' &。

在某些XML版本中也有some Characters not allowed，例如\u0000。

apache.commons.lang有一个StringEscapeUtils.escapeXML，如果您需要自己以纯文本格式进行转换。

Answer 2

您可以使用以下RegExp：

  public static void main(String[] args)
  {
    String str = "<form01><Textbox1 id=\"Textbox1\" dataType=\"java.lang.String\" perDataProId=\"\">Site<1</Textbox1><Textbox2 id=\"Textbox2\" dataType=\"java.lang.String\" perDataProId=\"\">Site1>a</Textbox2><Textbox3 id=\"Textbox2\" dataType=\"java.lang.String\" perDataProId=\"\">Site1&</Textbox3></form01>";
    System.out.println(str.replaceAll("(>[^<>]*)<([^<>]*<\\/)", "$1&lt;$2"));
    System.out.println(str.replaceAll("(>[^<>]*)>([^<>]*<\\/)", "$1&gt;$2"));
    System.out.println(str.replaceAll("(>[^<>]*)\\&([^<>]*<\\/)", "$1&amp;$2"));
  }

结果：

<form01><Textbox1 id="Textbox1" dataType="java.lang.String" perDataProId="">Site&lt;1</Textbox1><Textbox2 id="Textbox2" dataType="java.lang.String" perDataProId="">Site1>a</Textbox2><Textbox3 id="Textbox2" dataType="java.lang.String" perDataProId="">Site1&</Textbox3></form01>
<form01><Textbox1 id="Textbox1" dataType="java.lang.String" perDataProId="">Site<1</Textbox1><Textbox2 id="Textbox2" dataType="java.lang.String" perDataProId="">Site1&gt;a</Textbox2><Textbox3 id="Textbox2" dataType="java.lang.String" perDataProId="">Site1&</Textbox3></form01>
<form01><Textbox1 id="Textbox1" dataType="java.lang.String" perDataProId="">Site<1</Textbox1><Textbox2 id="Textbox2" dataType="java.lang.String" perDataProId="">Site1>a</Textbox2><Textbox3 id="Textbox2" dataType="java.lang.String" perDataProId="">Site1&amp;</Textbox3></form01>

无论如何，我都会考虑使用Guava HtmlEscapers。这种情况下的RegExp开销很小。

从XML样式的字符串中删除无效字符

2 个答案: