如何在XSLT中处理HTML实体。无需更改输入文件

Question

我正在尝试使用XSLT将HTML文件转换为XML文件（使用Oxygen 9.0进行转换）。

当我使用HTML文件配置并运行XSLT转换时，Oxygen输出

The entity 'nbsp' was referenced,but not declared。

我输入的html文件是：

<div><span>&nbsp;some text</span></div>

注意：我想知道如何仅使用XSLT来处理该实体，我不想要对输入文件进行任何更改。

Answer 1

据我所知，您需要对输入文件进行更改。

将 更改为 或声明将为您进行转换的自定义文档类型：

<!DOCTYPE doctypeName [
   <!ENTITY nbsp "&#160;">
]> 

这是因为 不是XML预定义实体之一。

Answer 2

您可以使用XML实体创建定义nbsp实体的XML文件，并包含（损坏的）XML片段。

例如，假设您的片段保存为名为“ invalid.xml ”的文件

<div><span>&nbsp;some text</span></div>

创建一个这样的XML文件：

<!DOCTYPE wrapper [
   <!ENTITY nbsp "&#160;">
   <!ENTITY invalid-xml-document SYSTEM "./invalid.xml">
]><wrapper>
&invalid-xml-document;</wrapper>

当解析该文件时，它将定义nbsp实体，包含“invalid.xml”中的内容，并正确解析nbsp实体。结果如下：

<wrapper>
  <div>
    <span> some text</span> 
  </div>
</wrapper>

然后，只需调整您的XSLT以容纳新的文档元素（在此示例中为元素<wrapper>）。