使用 JAXB 解组 XML 而不转义字符答案

【问题标题】：Unmarshalling XML with JAXB without unescaping characters使用 JAXB 解组 XML 而不转义字符
【发布时间】：2012-02-15 15:46:22
【问题描述】：

想象以下情况：我们从某个外部工具接收到一个 xml 文件。最近在这个 xml 中，节点名或它们的richcontent 标记中可能有一些转义字符，如以下示例（简化）：

<map>
<node TEXT="Project">
<node TEXT="&#xe4;&#xe4;">
<richcontent TYPE="NOTE"><html>
  <head>

  </head>
  <body>
    <p>
      I am a Note for Node &#228;&#228;!
    </p>
  </body>
</html>
</richcontent>
</node>
</node>
</map>

在使用 JAXB 解组文件后，那些转义的字符不会转义。不幸的是，我需要他们保持原样，意思是逃跑了。有什么方法可以避免在解组时取消转义这些字符？

在研究时，我发现了很多关于编组 xml 文件的问题，但这些问题也对我没有帮助：

是否有可能通过 JAXB 实现这一目标，或者我们是否必须考虑更改为不同的 xml 阅读器 API？

提前谢谢你，梅内

【问题讨论】：

对于任何 xml 解析器来说，源文档是否包含 ä、'ä` 或 &#xe4 都无关紧要，为什么这对你来说很重要？
问题是：在导入这些 XML 数据后，我们将其与我们的程序数据合并。在那里我们更改了一些细节，然后想将这些细节写回外部工具的 xml 中。由于我们不会仅仅为了将数据编组回 xml 中而构建另一个对象图，因此我们决定使用 StAX，因为此时这更简单。从那时起，直到现在我们还没有任何转义字符，不幸的是，外部工具希望这些字符仍然可以工作。

标签： java xml escaping unmarshalling

【解决方案1】：

您只需将&amp;# 替换为&amp;# 即可调用

unmarshaller.unmarshal(new AmpersandingStream(new FileInputStream(...)));

和

import java.io.IOException;
import java.io.InputStream;

/**
* Replaces numerical entities with their notation as text.
*/
public class AmpersandingStream extends InputStream {

    private InputStream in;
    private boolean justReadAmpersand;
    private String lookAhead = "";

    public AmpersandingStream(InputStream in) {
        this.in = in;
    }

    @Override
    public int read() throws IOException {
        if (!lookAhead.isEmpty()) {
            int c = lookAhead.codePointAt(0);
            lookAhead = lookAhead.substring(Character.charCount(c));
            return c;
        }
        int c = in.read();
        if (c == (int)'#' && justReadAmpersand) {
            c = (int)'a';
            lookAhead = "mp;#";
        }
        justReadAmpersand = c == (int)'&';
        return c;
    }

    @Override
    public int available() throws IOException {
        return in.available();
    }

    @Override
    public void close() throws IOException {
        in.close();
    }

    @Override
    public synchronized void mark(int readlimit) {
        in.mark(readlimit);
    }

    @Override
    public boolean markSupported() {
        return in.markSupported();
    }

    @Override
    public int read(byte[] b) throws IOException {
        return in.read(b);
    }

    @Override
    public int read(byte[] b, int off, int len) throws IOException {
        return in.read(b, off, len);
    }

    @Override
    public synchronized void reset() throws IOException {
        in.reset();
    }

    @Override
    public long skip(long n) throws IOException {
        return in.skip(n);
    }

}

【讨论】：

注意：在这种方法会破坏 XML 的情况下，构建一个文档相对容易（例如，编码为 UTF-16；在 CDATA 部分中放置与号等）
这里有一个测试用例：<x><![CDATA[&]]></x>.
代码查找序列&amp;#。在 CDATA 中可能有问题，但是 JAXB 和 CDATA？在其他地方& 总是有意义的。
@McDowell 你对 UTF-16 的看法是对的，但我认为这不太可能。