为什么 XmlParser 将我的字符十六进制代码字符串转换为 unicode？

Question

在我的 Grails 应用程序中，我使用 Groovy 的 XmlParser 来解析 XML 文件。我的 XML 文件中的一个属性的值是一个字符串，它等于一个字符十六进制代码。我想将该字符串保存在我的数据库中：

Ñ

不幸的是，attribute 方法返回 Ñ 字符，而实际存储在数据库中的是c391。当该字段被读回时，我还会得到不想要的 Ñ 字符。

如何将十六进制代码作为字符串存储在我的数据库中，并确保它也作为十六进制代码被读回？

更新 #1：

这对我来说是个问题的原因是，一旦我将 XML 文件读入我的数据库，我必须能够完全按照它的原样重建它。另一个问题是有问题的字段并不总是字符十六进制代码。它可能只是一些任意字符串。

更新 #2：

我想字符在数据库中的存储方式并不重要，只要我能以扩展的十六进制代码格式将其写回即可。我正在使用 Groovy MarkupBuilder 从数据库中重建我的 XML 文件，但我不清楚为什么默认情况下不会发生这种情况。

更新 #3：

我在我的自定义 MySQL 方言中覆盖了 getTableTypeString，这似乎对某些事情有所帮助。至少现在我传递给 MySQL 的值是存储在数据库中的值。

class CustomMySQL5InnoDBDialect extends MySQL5InnoDBDialect {   
    @Override
    public String getTableTypeString() {
        return " ENGINE=InnoDB DEFAULT CHARSET=utf8"
    }
}

我还创建了自己的groovy.util.XmlParser 版本。我的版本几乎与groovy.util.XmlParser 完全相同，只是在startElement 方法中我更改了：

String value = list.getValue(i)

到这里：

def value = list.fAttributes.fAttributes[i].nonNormalizedValue
if(value ==~ /&#x([0-9A-F]+?);/) {
    value = list.fAttributes.fAttributes[i].nonNormalizedValue
}

这允许将十六进制代码元素的确切文本存储在数据库中。

现在有两个新问题，可能三个。

1. 使用存储在数据库中的确切值重新创建文件。到目前为止，我一直在使用 MarkupBuilder，但这是对 & 符号进行额外编码，导致值 Ñ 被写为 Ñ 我可能可以通过放弃 MarkupBuilder 并构建我的 XML 字符串来解决这个问题手动，但我不想这样做。

2. 使用 Saxon-HE 9.4 处理器对 XML 文件运行 XSLT 转换会导致某些十六进制代码值（例如 ÿ）更改为类似 ÿ 的值，而其他值则类似于 @ 987654338@ 保持不变。

3. 我不确定这是否会成为问题，但是当我重新创建文件时，我希望它采用ANSI 编码，因为这是用于原始文件的编码.

Answer 1

好的，给定xml：

def xml = '''<root>
    <node woo="&#xD1;"/>
    <another attr="This is an N-Tilde - &#xD1;"/>
</root>'''

我们可以将该属性读入一个变量：

def woo = new XmlParser().parseText( xml ).node[0].@woo

打印出来给我们'Ñ'（字符值为209）

但这就是我所期望的......因为Ñ 与Ñ 相同，即correct encoding for N-tilde

啊，问题也是如此“我怎样才能读取属性，并在没有任何实体解析的情况下保持原样”？

我不相信你可以（我所看到的都是来自网络搜索的否定答案）......你可以做的是：

// Mask entities

xml = xml.replaceAll( /&#x([0-9A-F]+?);/, '!!#x$1;' )

def parser = new XmlParser().parseText( xml )

println parser.node[0].@attr.replaceAll( /!!#x([0-9A-F]+?);/, '&#x$1;' )
println parser.another[0].@attr.replaceAll( /!!#x([0-9A-F]+?);/, '&#x$1;' )

但据我所知，没有一种方法可以关闭实体分辨率:-(（手指交叉，我错了）

Answer 2

我的 XML 文件中的一个属性的值是一个字符串，它等于一个字符十六进制代码

不，不是。原XML中属性值的表示是十六进制字符引用，而属性的值是字符Ñ。有一些方法可以配置一些 XML 解析器来避免在解析期间扩展命名的 entity 引用，但它们必须按照 XML 规范扩展数字字符引用。

你还没有说为什么存储真正的字符值是一个问题。如果它与将值呈现给浏览器有关，那么可以在输出时使用.encodeAsHTML() 来处理。如果您需要将值保存到另一个 XML 文件，则使用 XML API 执行此操作，它将为您处理编码问题，用实体或字符引用替换字符以保持结果格式正确（在Ñ 的情况下，无论如何都不需要转义，除非您使用不寻常的字符集编写 XML）。

在 Groovy 的 MarkupBuilder 的特定情况下，您可以暂时退出 XML 模式并使用 mkp.yieldUnescaped 将手动构建的标记直接写入输出流，这样您就可以在构建器通常不会打扰的地方输出字符引用。