代码之家 › 专栏 › 技术社区 › ryanprayogo

替换格式不正确的XML正文中的字符

non-well-formed xml java

ryanprayogo · 技术社区 · 14 年前

在我正在编写的(Java)代码中,我有时处理一个非良好格式的XML(表示为Java) String

<root>
  <foo>
    bar & baz < quux
  </foo>
</root>

由于这个XML最终需要被解组(使用JAXB),显然这个XML原样在解组时会抛出异常。

& 以及 < 它的角色实体?为了 &

xml.replaceAll("&", "&amp;")

< 符号,这有点棘手,因为显然我不想替换 < 用于XML标记开头的“bracket”。

除了扫描字符串和手动替换 < 在XML正文中 < ,您还有什么建议?

3 回复 | 直到 14 年前

Paul Clapham 14 年前

由于不需要XML解析器来处理格式错误的XML,因此您的解析器也不需要这样做。别这么做。

Koen 14 年前

我想你需要更先进的逻辑。最好首先使用“(<[^>]+>)“并且只替换那些匹配项之外的文本,但是很明显,您将无法使用replaceAll方法。这将是一个管道工程。。。

cdeszaq Sudhir N 13 年前

虽然这是一个老帖子,但我认为它可能会帮助其他人..我有同样的要求/问题,我可以解决使用以下代码。

import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class XMLTest {

/**
* @param args
*/

public static void main(String[] args) {

String xml = "<xml><body>" +
"<message>something < between <<<  somthing </message>" +
"<text> testing  >> > testing </text>" +
"</body></xml>";

Pattern replaceGTPattern = Pattern.compile(">[^<](.[^<]*)(>)+");

Matcher m = replaceGTPattern.matcher(xml);

String replacement;
StringBuffer intermXml = new StringBuffer();


while(m.find()){

    replacement = ">"+m.group(0).substring(1).replaceAll(">", ";&gt");


    m.appendReplacement(intermXml,replacement);


    }


    m.appendTail(intermXml);

Pattern replaceLTPattern = Pattern.compile("<(.[^>]*)(<)+");

m = replaceLTPattern.matcher(intermXml);

StringBuffer finalXml = new StringBuffer();

while(m.find()){

    replacement = m.group(0).substring(0,m.group(0).length()-1).replaceAll("<", ";&lt").concat("<");


    m.appendReplacement(finalXml,replacement);


    }

    m.appendTail(finalXml);

    System.out.println(finalXml);

}
}

推荐文章

JobProcessTask · 如何读取此xpath表达式?

2 年前

Sven K · 无法访问XML数据结构中的“数据”:“名称属性>数据”

2 年前

sklal · 在Python中从S3存储桶读取xml文件——只存储最后一个文件的内容

2 年前

MBF · PHP导入/解析XML文件内容保存到数据库

2 年前

TenkMan · SQL Server XML嵌套值查询表单990

2 年前

lam62 · 如何使用XML从XHTML/XML中提取相关数据。dom。小型化

2 年前

Mohan.Murali.Peddini · XSLT模板循环记录

2 年前

mayo0o · 检查元素的总和

2 年前

crichavin · 排除XSLT的(1.0)行返回和文本输出中的额外空白

2 年前

Crimp · 从Excel导出后,在XML文件和PowerShell输出中发现奇怪字符:

2 年前