java - 转义 XML 字符的最佳实践？

Question

我有要转换为 Dom4J 文档的 html 数据。

我遇到了一个错误：

org.dom4j.DocumentException: Error on line 1 of document  : Reference is not allowed in prolog. Nested exception: Reference is not allowed in prolog.
    at org.dom4j.io.SAXReader.read(SAXReader.java:482)
    at org.dom4j.DocumentHelper.parseText(DocumentHelper.java:278)
    at MonTest.main(MonTest.java:21)
Nested exception: 
    org.xml.sax.SAXParseException: Reference is not allowed in prolog.

这是一个字符“&”，我需要转义到 & amp; 为了构建文档。

在 XML 中，似乎我们需要转义 5 个字符：(gt, lt, quot, amp, apos)

然而，我怎样才能逃脱它，而不将它转义到“节点”元素中：

<div id="test" class='toto'>A&A<A"A</div>

应该给：

<div id="test" class='toto'>A&amp;A&lt;A&quot;A</div>

并不是

<div id="test" class='toto'>A&A<A"A</div>

谢谢，

Answer 1

在添加到 XML 文档之前转义字符串。使用来自 Apache Commons Lang 的 StringEscapeUtils.escapeXml 方法。使用一些库来构建 XML，例如http://code.google.com/p/joox/。

Answer 2

我会看看使用宽松的 HTML XMLReader 而不是默认的 XMLReader 实现。像tag soup或html tidy这样的东西。