我正在使用 Xerces 来解析我的 XML 文档。问题是像  这样的XML 转义字符在characters() 方法中作为非转义字符出现。我需要在characters() 方法中按原样获取转义字符。
谢谢。
UPD：试图在我的 DefaultHandler 的后代中覆盖 resolveEntity() 方法。从调试中可以看出，它被设置为 XML 阅读器的实体解析器，但未调用来自重写方法的代码。
【问题讨论】：
标签： java xml parsing sax saxparser
我认为您的解决方案还不错：几行代码就可以完全按照您的意愿行事。
问题是startEntity 和endEntity 方法不是由ContentHandler 接口提供的，因此您必须编写一个LexicalHandler 与您的ContentHandler 结合使用。
通常，XMLFilter 的使用更优雅，但是你必须使用实体，所以你仍然应该写一个LexicalHandler。看看here 了解 SAX 过滤器的使用。
我想向您展示一种与您的方法非常相似的方法，它允许您将过滤操作（例如包装 & 到 &）与输出操作（或其他操作）分开。我已经基于XMLFilterImpl 编写了我自己的XMLFilter，它也实现了LexicalHandler 接口。此过滤器仅包含与实体转义/取消转义相关的代码。
public class XMLFilterEntityImpl extends XMLFilterImpl implements
LexicalHandler {
private String currentEntity = null;
public XMLFilterEntityImpl(XMLReader reader)
throws SAXNotRecognizedException, SAXNotSupportedException {
super(reader);
setProperty("http://xml.org/sax/properties/lexical-handler", this);
}
@Override
public void characters(char[] ch, int start, int length)
throws SAXException {
if (currentEntity == null) {
super.characters(ch, start, length);
return;
}
String entity = "&" + currentEntity + ";";
super.characters(entity.toCharArray(), 0, entity.length());
currentEntity = null;
}
@Override
public void startEntity(String name) throws SAXException {
currentEntity = name;
}
@Override
public void endEntity(String name) throws SAXException {
}
@Override
public void startDTD(String name, String publicId, String systemId)
throws SAXException {
}
@Override
public void endDTD() throws SAXException {
}
@Override
public void startCDATA() throws SAXException {
}
@Override
public void endCDATA() throws SAXException {
}
@Override
public void comment(char[] ch, int start, int length) throws SAXException {
}
}
这是我的主要内容，DefaultHandler 为 ContentHandler，它根据过滤器代码接收实体：
public static void main(String[] args) throws ParserConfigurationException,
SAXException, IOException {
DefaultHandler defaultHandler = new DefaultHandler() {
@Override
public void characters(char[] ch, int start, int length)
throws SAXException {
//This method receives the entity as is
System.out.println(new String(ch, start, length));
}
};
XMLFilter xmlFilter = new XMLFilterEntityImpl(XMLReaderFactory.createXMLReader());
xmlFilter.setContentHandler(defaultHandler);
String xml = "<html><head><title>title</title></head><body>&</body></html>";
xmlFilter.parse(new InputSource(new StringReader(xml)));
}
这是我的输出：
title
&
可能你不喜欢它，反正这是一个替代解决方案。
很抱歉，但是对于SaxParser，我认为您没有更优雅的方式。
您还应该考虑切换到StaxParser：将XMLInputFactory.IS_REPLACING_ENTITY_REFERENCE 设置为false 很容易做您想做的事。如果你喜欢这个解决方案，你应该看看here。
【讨论】：
如果您提供 LexicalHandler 作为 SAX 解析器的回调，它将使用 startEntity() 和 endEntity() 回调通知您每个实体引用的开始和结束。
（请注意，当正确的术语是“实体引用”时，http://download.oracle.com/javase/1.5.0/docs/api/org/xml/sax/ext/LexicalHandler.html 的 JavaDoc 会谈到“实体”）。
还要注意，没有办法让 SAX 解析器告诉您有关数字字符引用的信息，例如 &#x1234;。应用程序应该以与原始角色完全相同的方式对待它们，所以你真的不应该对它们感兴趣。
【讨论】：
临时解决办法：
public void startEntity(String name) throws SAXException {
inEntity = true;
entityName = name;
}
public void characters(char[] ch, int start, int length) throws SAXException {
String data;
if (inEntity) {
inEntity = false;
data = "&" + entityName + ";";
} else {
data = new String(ch, start, length);
}
//TODO do something instead of System.out
System.out.println(data);
}
但仍然需要优雅的解决方案。
【讨论】：
还有一个可能：org.apache.commons.lang.StringEscapeUtils类的escapeXml方法。
在您的 characters(char[] ch, int start, int length) 方法中尝试此代码：
String data=new String(ch, start, length);
String escapedData=org.apache.commons.lang.StringEscapeUtils.escapeXml(data);
您可以下载jar here。
【讨论】：
&nbsp; 一起正常工作。也许你可以使用StringEscapeUtils#escapeHtml，但你可能会有一些副作用。例如，如果 xml 包含字符串 My name is&nbsp;javanna，那么您的输出应该是 My&nbsp;name&nbsp;is&nbsp;javanna，因此您不能只保留原始的 &nbsp;。 @Aleksander O：你的 xml 中有 ` ` 和 &nbsp; 吗？你能接受这种副作用吗？