使用Java的DOM XML API在XML中解析Ampersand

Question

我正在尝试使用Java DOM API（而不是SAX）解析XML文档。每当解析器在解析文本节点时遇到＆符号（＆amp;）时，它就会出错。我猜这是可解决的1）转义，2）编码或3）使用不同的解析器。

我正在阅读一份我无法控制的XML文档，因此每次阅读时都无法准确识别文档中的＆符号。

我在类似问题上看到的答案建议在解析XML时替换实体类型，但我不确定我是如何做到这一点的，因为它在遇到XML＆符号时甚至都不会解析。

任何帮助将不胜感激。

Answer 1

如上所述，XML格式错误（哎呀！）：XML中出现&的所有内容（除了引入字符实体的标记[？]）必须编码为&。

一些解决方案（基本上与帖子中描述的一样！）：

1. 修复XML（在源头或在hack-it-up阶段）或;
2. 使用“适当的”工具（例如“宽容的”HTML解析器）解析它

对于“hack-it-up”方法，请考虑单独的输入流 - 请参阅Working with Filter Streams - 作为过滤器之前执行到实际的DOM解析器：每当遇到&（不是字符实体的一部分），它通过将&插入流来“修复它”。当然，如果XML源没有得到正确的基本编码......

快乐的编码。

Answer 2

“我正在阅读一份我无法控制的XML文档”。

不，您正在阅读非XML文档。您收到错误的原因是，当您阅读不是XML的内容时，XML解析器需要给您一个错误。

XML文化是生成格式良好的XML的责任在于发送者。您需要更改生成此数据的任何内容才能正确执行此操作。否则，你可能会忘记XML及其好处，然后回到私人约定的协议和自定义解析器的混乱世界。