如何在 JSOUP 中禁用转义模式？

Question

我正在使用JSOUP（用于 XML 文件的 java 工具）并且我正在使用以下代码来读取保存在 XML 文件中的 URL。这是我的代码：

Document d = Jsoup.parse(new File("feed.xml"), null);
Element elementCat = d.getElementsByTag("cat").get(0);
String stringUrl = elementCat.ownText();
System.out.println(stringUrl);

XML 输入文件是这样的：

<?xml version="1.0" encoding="utf-8" standalone="no"?>
<root>
<cat>http://www.isna.ir/ISNA/FullNews.aspx?SrvID=Event&Lang=P</cat>
</root>

我的问题是程序的输出是这样的： http://www.isna.ir/ISNA/FullNews.aspx?SrvID=Event⟪=P 而不是这个： http://www.isna.ir/ISNA/FullNews.aspx?SrvID=Event&Lang=P

换句话说，它会自动将“&Lang”转换为“⟪”。 请注意不是“⟪”，只是没有分号的“&Lang”。 我想禁用编码或转义，我想要原始数据。

我该如何解决这个问题？

Answer 1

您已经获得了一段 XML。在 XML 中，有一种转义标记的方式，因为有时您只需要一段包含 < 的文本或在其值中包含 " 的属性。转义是使用字符实体引用完成的，该引用以 & 开头，后跟代码，后跟分号。像这样：<。那可以代表<。

当然，这给我们留下了与符号本身的问题。如果它实际上是您需要的 & 符号，而不是某些不同的字符实体，则必须对其进行编码：&。

您所得到的是格式不正确的 XML。 & 表示您正在开始一个字符实体引用，但随后它得到Lang。现在，也许 jsoup 对此并没有太大的问题。但那是因为它是用于 HTML 解析而不是 XML。由于 HTML 比 XML 更宽松一点，我想 jsoup 只是简单地将未知字符引用替换为其他内容。可能是 nul 字符。

因此，请确保 XML 格式正确。如果无法做到这一点，请不要将其视为 XML，而应将其视为 HTML。如果您需要 XML 处理，请查看 SAX、StAX、DOM 或 JAXB。