Question

我的代码不会检索包含特殊字符的整个元素节点。例如，对于此节点：

<theaterName>P&G Greenbelt</theaterName>

由于＆符号，它只会检索“P”。我需要检索整个字符串。

这是我的代码：

public List<String> findTheaters() {

    //Clear theaters application global
    FilmhopperActivity.tData.clearTheaters();

    ArrayList<String> theaters = new ArrayList<String>();

    NodeList theaterNodes = doc.getElementsByTagName("theaterName");

    for (int i = 0; i < theaterNodes.getLength(); i++) {

        Node node = theaterNodes.item(i);
        if (node.getNodeType() == Node.ELEMENT_NODE) {

            //Found theater, add to return array
            Element element = (Element) node;
            NodeList children = element.getChildNodes();
            String name = children.item(0).getNodeValue();
            theaters.add(name);

            //Logging
            android.util.Log.i("MoviefoneFetcher", "Theater found: " + name);

            //Add theater to application global
            Theater t = new Theater(name);
            FilmhopperActivity.tData.addTheater(t);
        }
    }

    return theaters;
}

我尝试添加代码来扩展名称字符串以连接其他的children.items，但它不起作用。我只会得到“P＆amp;”。

...
String name = children.item(0).getNodeValue();
for (int j = 1; j < children.getLength() - 1; j++) {
    name += children.item(j).getNodeValue();
}

感谢您的时间。

更新：找到一个名为normalize（）的函数，你可以在Nodes上调用它，它结合了所有文本子节点，所以做一个children.item（0）包含所有孩子的文本，包括＆符号！

Answer 1

&是XML中的转义字符。看起来像这样的XML：

<theaterName>P&G Greenbelt</theaterName>

实际上应该被解析器拒绝。相反，它应该是这样的：

<theaterName>P&amp;G Greenbelt</theaterName>

有一些此类字符，例如<（＆amp; lt;），>（＆amp; gt;），"（＆amp; quot;）和{{ 1}}（＆amp;）。还有其他方法来转义字符，例如通过它们的Unicode值，如＆amp;＃x2022;或＆amp;＃12345;。

有关详细信息，XML specification非常明确。

现在，根据你的树的构造方式，它可能是另一件事，就是正确地转义了，你展示的样本并不是实际存在的样本，而是它的方式数据在树中表示。

例如，当使用SAX构建树时，实体（' - thingies）会被拆分并单独交付。这是因为SAX解析器尝试返回连续的数据块，当它到达转义字符时，它会发送它所拥有的内容，并启动一个带有翻译的& - 值的新块。因此，您可能需要在树中组合连续的文本节点以获得整个值。

Answer 2

您尝试阅读的文件不是有效的XML。没有自尊的XML解析器会接受它。

我正在从网上动态检索我的XML。获取Document对象后，替换所有转义字符的最佳方法是什么？

你采取了错误的做法。正确的方法是通知负责创建该文件无效的人员，并请求他们修复该文件。简单地编写黑客（尝试）修复损坏的XML并不符合您（或其他人的长期兴趣）。

如果您决定忽略此建议，那么一个方法是将文件读入字符串，使用String.replaceAll（正则表达式，更换）与合适的正则表达式来将这些虚假"&"字符到正确字符实体（"&"），然后将固定的XML字符串提供给XML解析器。您需要仔细设计正则表达式，以便它不会将有效的字符实体破坏为不必要的副作用。第二种方法是手动进行解析和替换，使用适当的启发式方法将伪造的"&"字符与格式良好的字符实体区分开来。

但这一切都会花费你的开发和测试时间，并减慢你的软件速度。更糟糕的是，由于您努力补偿错误的输入文件，因此您的代码很脆弱。（并猜猜谁会受到指责......）

Answer 3

您需要正确编码或将其包装在CDATA部分中。我推荐前者。

Answer 4

数字字符引用"<"和"&"可用于在字符数据中出现＆lt; 和＆amp; 。<登记/> 所有XML处理器必须识别这些实体是否被声明。对于interoperability，有效的XML文档在使用之前应该像其他实体一样声明这些实体。如果声明了实体lt或amp，则必须将其声明为internal entities，其替换文字为 character reference 至相应的字符（较少） -than sign或&ersand）被转义; 这些实体的双重转义是REQUIRED，因此对它们的引用会产生格式良好的结果。如果声明了实体gt，apos或quot，则必须声明为internal entities，其替换文字是转义的单个字符（或者对该字符的字符引用;此处的双重转义是可选的但无害的）。例如：

<!ENTITY lt     "&#38;#60;">
<!ENTITY gt     "&#62;">
<!ENTITY amp    "&#38;#38;">
<!ENTITY apos   "&#39;">
<!ENTITY quot   "&#34;">

使用Java读取包含特殊字符（＆amp;， - 等）的XML文档节点

4 个答案: