我正在使用 Saxon 9 来分析无效的 html 源。具体来说，html 的 href 值如下：
<a href="blah.asp?fn=view&g_varID=1234">一些文字</a>
我收到错误：
“XML 解析器报告的错误：对实体“g_varID”的引用必须以 ';' 结尾 分隔符。”
xml 解析器正在读取“&g_varID”字符串并抱怨应该有一个“;” 来界定实体。但是，当然，这并不是一个 HTML 实体——它只是一个 URI 的一部分。
我如何告诉解析器忽略它？注意：我使用的是非模式感知 Saxon，而不是 Saxon-SA。
如果您的 HTML 不是 XML，那么您希望任何 XML 处理器如何处理它？
确保您有正确的 xhtml DOCTYPE。根据我正在查看的 xhtml1-strict.dtd，href 属性声明为 CDATA，而不是 PCDATA，这意味着文字 & 完全可以，不应将其解析为实体。
如上所述，这不是有效的 XML，它是 HTML。但是，这个特殊问题是 HTML tidy 默认清理的问题：http: //www.w3.org/People/Raggett/tidy/。将它与以下命令行参数一起使用以将 HTML 转换为 XHTML：
tidy -asxhtml foo.html > foo.xhtml
然后您应该能够通过您的 XSLT 运行它。