用 HTML 代码做 XML 的简单方法？答案

【问题标题】：Simple way to do XML with HTML codes?用 HTML 代码做 XML 的简单方法？
【发布时间】：2013-10-11 19:54:25
【问题描述】：

我有一个 XML 文件 sample.xml，其中包含以下内容：

<Tokens>
   <Token>Hello&nbsp;World</Token>
</Tokens>

我想解析它 - 但当它到达 NBSP 时会出错

我无权访问我正在使用的 XML 的架构（定义一个或多个令牌的那个）。

DocumentBuilderFactory docBuilderFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder docBuilder = docBuilderFactory.newDocumentBuilder();
doc = docBuilder.parse("sample.xml");

由于我的 XML 文档没有 Schema，我想知道是否有办法让它在解析时完全忽略 HTML 特殊字符？

【问题讨论】：

标签： java html xml

【解决方案1】：

您所要求的内容是不可能的，因为要解析请求 XML，实体必须在某处具有定义。要将其解析为 XML 以外的内容，您需要编写自己的解析器，或者使用容错的解析器。 XML 不是标签汤。

【讨论】：

【解决方案2】：

XML 不支持&nbsp，尽管 XHTML 支持。检查predefined entities in XML list

解决方案是在构建 XML 时使用 Unicode 不间断空格字符&#160；反而。在某些情况下，普通空间也可以使用 (&#32;)。在解析 XML 之前，您可以尝试将 &nbsp 替换为 ' ' -space。

【讨论】：

【解决方案3】：

我同意里德瓦尔德的观点。但作为一种解决方法，您可以将文件作为字符串读取，并在解析文档之前将 ' 替换为空格。

【讨论】：

【解决方案4】：

在 XML 中，&nbsp; 是实体引用，但未定义，除非您提供定义。您不能让 XML 解析器忽略它们，但您可以定义它们，例如开始你的文档

<!DOCTYPE Tokens [<!ENTITY nbsp "&#xa0;">]>

但是，如果您正在生成 XML 文件，这可能没有用。您也可以生成包含真实字符“ ” U+00A0 NO-BREAK SPACE 或字符引用&#xa0; 或其十进制等效值&#160; 的文档。

参照。提问How do I define HTML entity references inside a valid XML document?

【讨论】：