在java中字符串xml的节点内转义xml字符答案

【问题标题】：Escape xml characters within nodes of string xml in java在java中字符串xml的节点内转义xml字符
【发布时间】：2015-01-07 17:37:57
【问题描述】：

我有一串 XML 数据。我需要转义节点内的值，而不是节点本身。

例如：
&lt;node1&gt;R&amp;R&lt;/node1&gt;
应该逃到：
<node1>R&amp;R</node1>
不应该逃到：
&lt;node1&gt;R&amp;R&lt;/node1&gt;

过去几天我一直在研究这个问题，但没有取得太大的成功。我不是 Java 专家，但以下是我尝试过但不起作用的方法：

将字符串 xml 解析为文档。不起作用，因为节点内的数据包含无效的 xml 数据。
转义所有字符。不起作用，因为接收此数据的程序不会接受这种格式的数据。
转义所有字符，然后解析为文档。引发各种错误。

任何帮助将不胜感激。

【问题讨论】：

“我有一串 XML 数据”——不，你没有。
更正：“我有一串与 XML 非常相似的数据”

标签： java xml xml-parsing escaping

【解决方案1】：

您可以使用正则表达式匹配来查找尖括号之间的所有字符串，并遍历/处理每个字符串。在这个例子中，我使用了Apache Commons Lang 来进行 XML 转义。

public String sanitiseXml(String xml)
{
    // Match the pattern <something>text</something>
    Pattern xmlCleanerPattern = Pattern.compile("(<[^/<>]*>)([^<>]*)(</[^<>]*>)");

    StringBuilder xmlStringBuilder = new StringBuilder();

    Matcher matcher = xmlCleanerPattern.matcher(xml);
    int lastEnd = 0;
    while (matcher.find())
    {
        // Include any non-matching text between this result and the previous result
        if (matcher.start() > lastEnd) {
            xmlStringBuilder.append(xml.substring(lastEnd, matcher.start()));
        }
        lastEnd = matcher.end();

        // Sanitise the characters inside the tags and append the sanitised version
        String cleanText = StringEscapeUtils.escapeXml10(matcher.group(2));
        xmlStringBuilder.append(matcher.group(1)).append(cleanText).append(matcher.group(3));
    }
    // Include any leftover text after the last result
    xmlStringBuilder.append(xml.substring(lastEnd));

    return xmlStringBuilder.toString();
}

这会查找 text 的匹配项，捕获标签名称和包含的文本，清理包含的文本，然后将其重新组合在一起。

【讨论】：

我选择了与此非常相似的东西。它似乎工作正常，但我有点担心几个小众案例。我正计划根据您的建议对我的代码进行一些更改。
有一点需要注意；如果您的 XML 不包含子节点，则此建议非常有用。但是，如果您有这种形式的数据，则需要对其进行修改：<ParentNode> <childNode1>data</childNode1> <childNode2>da&&ta</childNode2> </ParentNode> 这将仅返回子节点，而父节点将丢失。
不，匹配之间的任何不匹配文本也将包含在结果中，因此子节点应该可以正常工作。它没有尝试修复的一件事是引用的属性字符串中的非法字符，例如

【解决方案2】：

问题在于<node1>R&R</node1> 不是 XML。

使用 XML 解析器无济于事。 XML 解析器的目的就是过滤掉这类数据。
您可以尝试使用 different parser 来解析“脏”HTML。

但我认为最好的解决方案是首先获得正确的 XML：

通过使用 XML 库创建数据来修复 XML 源。（并且永远不要使用字符串连接来创建 XML）
如果为您提供了数据，请创建一个 XML-Schema 并坚持输入数据的有效性。

【讨论】：

这行不通，因为我正在处理一组固定长度的数据。例如：我得到 100 个字节的数据，它恰好包含一个 & 符号。然后，它通过将这 100 个字节解析为一个期望正好为 100 个字节的 XML 模式的过程。如果我在解析之前转义 XML 字符，我现在通过模式发送 104 个字节，并且所有数据都被错误地转移。

【解决方案3】：

您展示的不是 XML。是 XPL。 XPL 的结构与 XML 类似，但允许在文本字段中使用 XML 的“特殊字符”。您可以使用 XPL 实用程序轻松地将 XPL 转换为 XML。 http://hll.nu

【讨论】：

【解决方案4】：

我使用了无名之声的答案，但正则表达式为：

Pattern xmlCleanerPattern = Pattern.compile("(<[^<>]*>)(.*)(<\\/[^<>]*>)")

我发现这可以更好地捕获节点本身内的所有值

【讨论】：