使用woodstox解析xml时保持实体不变

首先,您需要包含实际的代码,因为“输出总是这样”如果不准确地解释如何输出解析的内容就毫无意义:您可能正在打印事件、使用某些库,或者可能正在使用Woodstox流或事件编写器。

第二:少量预定义实体之间的xml存在差异( lt , gt , apos , quot , amp ,以及任意用户定义的实体,如 nbsp 就在这里。前者可以按原样使用,它们已经被定义;后者只有在DTD中定义它们时才存在。

对这两个组的处理也不同;前者无论如何都会被扩展,这是通过xml规范实现的。后者将被解析(除非禁用解析),然后被扩展——或者如果未定义异常将被抛出。 您也可以指定自定义解析器,如另一个答案所述;但这将仅用于自定义实体(这里,   )

最后,最好不要解释你在做什么,而要解释你在努力实现什么。这将有助于提出比“我该怎么做”这类具体问题更好的建议,而这些问题可能不是解决问题的方法。

至于Woodstox的配置,也许这篇博文:

https://medium.com/@cowtowncoder/configuring-woodstox-xml-parser-woodstox-specific-properties-1ce5030a5173

将有帮助(以及本系列中的另外两个)--它涵盖了现有的配置设置。

基本的五个XML实体(quot、amp、apos、lt、gt)将始终被处理。据我所知,没有办法用sax找到它们的来源。

对于其他实体,可以手动处理它们。您可以捕获事件,直到元素结束并连接值:

    XMLInputFactory factory = WstxInputFactory.newInstance();
    factory.setProperty(XMLInputFactory.IS_REPLACING_ENTITY_REFERENCES, Boolean.FALSE);
    XMLEventReader xmlr = factory.createXMLEventReader(
            this.getClass().getResourceAsStream(xmlFileName));

    String value = "";
    while (xmlr.hasNext()) {
        XMLEvent event = xmlr.nextEvent();
        if (event.isCharacters()) {
            value += event.asCharacters().getData();
        }
        if (event.isEntityReference()) {
            value += "&" + ((EntityReference) event).getName() + ";";
        }
        if (event.isEndElement()) {
            // Assign it to the right variable
            System.out.println(value);
            value = "";
        }
    }

对于您的示例输入:

<parent>&nbsp; &lt; &nbsp; &gt; &amp; &quot; &apos; &nbsp;</parent>

输出为:

&nbsp; < &nbsp; > & " ' &nbsp;

否则,如果要转换所有实体,则可以使用自定义 XmlResolver 对于未声明的实体:

public class NaiveHtmlEntityResolver implements XMLResolver {

    private static final Map<String, String> ENTITIES = new HashMap<>();

    static {
        ENTITIES.put("nbsp", " ");
        ENTITIES.put("apos", "'");
        ENTITIES.put("quot", "\"");
        // and so on
    }

    @Override
    public Object resolveEntity(String publicID,
            String systemID,
            String baseURI,
            String namespace) throws XMLStreamException {
        if (publicID == null && systemID == null) {
            return ENTITIES.get(namespace);
        }
        return null;
    }
}

然后告诉Woodstox将其用于未声明的实体:

    factory.setProperty(WstxInputProperties.P_UNDECLARED_ENTITY_RESOLVER, new NaiveHtmlEntityResolver());