dom4j将文本转换为特殊字符

Question

我正在使用dom4j来解析我的xml。假设我有这样的事情：

<?xml version="1.0" encoding="UTF-8"?>
<foo>
    <bar>&#402;</bar>
</foo>

当查看“bar”节点的值时，它会返回由“＆amp;＃402”表示的特殊字符。

有没有办法防止这种情况，只是读入实际的文本位？

Answer 1

如果bar节点的值包含＆lt;或者＆gt;或者＆amp;然后它会打破解析器。为了防止这种情况发生，你应该在途中逃避所有数据，然后再次将其取消。

这会将您的文档转换为：

<?xml version="1.0" encoding="UTF-8"?>
<foo>
    <bar>&amp;#402;</bar>
</foo>

它很糟糕，但那是你的XML。

Answer 2

文本的实际位是ƒ？你需要将＆符号转义为&。

Answer 3

如果您在读取XML文件时需要这样来保留数字字符引用，如&#nnnn或字符实体引用，如&something，你可以：

1. 预处理将&替换为例如{1}}的输入流。 [$AMPERSAND_CHARACTER$]
2. 通过dom4j修改XML
3. 后处理输出流进行后置替换

请参阅the example of code。