Question

我正在使用Android中的XmlPullParser解析一些文件一切都很顺利，除了文本上的一些特殊HTML字符，如下所示：

&iacute; it should be í
&eacute; it should be é

但在我提取的字符串中缺少它们：

cami&oacute;n it should be camión  and I get camin

和其他类似的角色一样。

我不确切地知道问题出在哪里，如果它出现了问题 xmlpullparser.getText（）或Java String

我该如何解决这个问题？

Answer 1

我找到了一个解决方案，但它在应用程序大小和性能方面都很昂贵，所以如果出现问题或者可以采用更好的方式或更少的步骤，请立即让我。

首先从文件中获取一个String。伪代码：
```
 String content = File to string;
```

http://snippets.dzone.com/posts/show/1335

从Apache commons将commons-lang3-3.1.jar导入您的项目。为unescape Html字符提供该字符串：
```
 String output =   StringEscapeUtils.unescapeHtml4(content);
```
将未转义的字符串输入您的XmlPullParser：
```
xpp.setInput( new StringReader (output) );
```

就是这样。

Answer 2

就HTML unescaping而言，似乎是someone were using Html.fromHtml，内置于Android平台。应用程序大小，这可能是一个适当的解决方案;然而，在性能方面你可能需要进行一些分析，因为据报道，Apache Commons unescaping比Android内置替代方案要快得多。

Answer 3

问题是普通XML没有HTML实体。＆安培; eacute;没有为XML定义。你要么必须使用HTML解析器（如上面的建议），要么自己在XmlPullParser中翻译实体。

你的循环必须由nextToken（）而不是next（）运行; 你必须回应XmlPullParser.ENTITY_REF

当然，如果您可以更改输入文件以直接在utf-8或iso-8859-1中对字符进行编码，而不是使用HTML实体，那也可以。

xmlpullparser缺少字符

3 个答案: