4

我正在使用 Woodstox 处理>在其中一个节点的值中包含一些实体（最明显的是 ）的 XML。举一个极端的例子，它是这样的：

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

我已经为WstxInputFactory ( IS_REPLACING_ENTITY_REFERENCES, P_TREAT_CHAR_REFS_AS_ENTS, P_CUSTOM_INTERNAL_ENTITIES...) 和WstxOutputFactory尝试了很多不同的配置选项，但无论我尝试什么，输出始终是这样的：

<parent>nbsp; &lt; nbsp; > &amp; " ' nbsp;</parent>

（&gt;被转换为>，&lt;保持不变，&nbsp;失去&......）

我正在使用创建的XMLEventReader读取 XML

XMLEventReader reader = wstxInputFactory.createXMLEventReader(new StringReader(fulltext));

配置WstxInputFactory之后。

有没有办法将 Woodstox 配置为忽略所有实体并完全按照输入字符串中的内容输出文本？

4

2 回答 2

0

将始终处理基本的五个 XML 实体（quot、amp、apos、lt、gt）。据我所知，没有办法通过 Sax 获得它们的来源。

对于其他实体，您可以手动处理它们。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>

输出将是：

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

否则，如果您想转换所有实体，也许您可​​以为未声明的实体使用自定义XmlResolver：

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());
于 2019-02-13T21:57:32.060 回答
0

首先，您需要包含实际代码，因为如果不准确解释您如何输出解析的内容，“输出总是这样”是没有意义的：您可能正在打印事件、使用某些库，或者可能使用 Woodstox 流或事件作者。

第二：少量的预定义实体（lt, gt, apos, quot, amp）和任意用户定义的实体（例如nbsp这里的）之间存在 XML 差异。前者您可以按原样使用，它们已经定义；后者仅在您在 DTD 中定义时才存在。

两组的处理方式也不同；无论如何，前者总是会被扩展，这是 XML 规范的。后者将被解析（除非禁用解析），然后展开 - 或者如果未定义异常将被抛出。您还可以指定自定义解析器作为其他答案的提及；但这只会用于自定义实体（此处为&nbsp;）。

最后，最好不要解释你正在做什么，而是解释你想要达到的目标。这将有助于提出比“我如何做 X”的具体问题更好的建议，这可能不是解决方法。

至于 Woodstox 的配置，也许是这个博客条目：

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

将有所帮助（以及该系列中的其他 2 个）——它涵盖了现有的配置设置。

于 2019-02-14T17:10:22.057 回答