如何通過轉義特殊字符從URL下載XML文件，如< > $ amp;等等？

我使用此代碼來下載Xml文件。

String url="https://www.sec.gov/Archives/edgar/data/16160/000001616016000061/calm-20160528.xml"; 

      String fileName = url.substring(url.lastIndexOf("/") + 1, 
        url.length()); 

      String completeFileLocationWithName="/home/user/Downloads/XBRLCODE/"+fileName; 

      URL surl = new URL(url); 
      con = surl.openConnection(); 
      con.setConnectTimeout(0); 
      con.setReadTimeout(0); 
      InputStream in = con.getInputStream(); 
      Files.copy(in, Paths.get(completeFileLocationWithName));*/

，並試圖與String escapedInput = StringEscapeUtils.escapeXml(appNameInput);

輸入：URL

輸出是在下載XML，它不應該有像上面這樣<，>，&等人物 - 而不是<，>，&對我來說會很好..

請任何人分享這個知識..

來源

2016-07-22 John Adam

你是否還要檢查unescapeHtml方法StringEscapeUtils – HRgiger

字符串escapedInput = StringEscapeUtils.unescapeHtml4（格）; –

@HRgiger試過..plz分享代碼 –

使用StringEscapeUtils from commons-lang.jar庫。

這裏是工作代碼：

import java.io.IOException; 
import java.io.InputStream; 
import java.io.StringWriter; 
import java.net.MalformedURLException; 
import java.net.URL; 
import java.net.URLConnection; 
import java.util.logging.Level; 
import java.util.logging.Logger; 
import org.apache.commons.io.IOUtils; 
import org.apache.commons.lang.StringEscapeUtils; 

public class Test { 

    public static void main(String[] args) { 
     String url = "https://www.sec.gov/Archives/edgar/data/16160/000001616016000061/calm-20160528.xml"; 

     URL surl; 
     try { 
      surl = new URL(url); 
      URLConnection con = surl.openConnection(); 
      con.setConnectTimeout(0); 
      con.setReadTimeout(0); 
      InputStream in = con.getInputStream(); 
      StringWriter writer = new StringWriter(); 
      IOUtils.copy(in, writer, "UTF-8"); 
      System.out.println(StringEscapeUtils.unescapeHtml(writer.toString())); 
     } catch (MalformedURLException ex) { 
      Logger.getLogger(Test.class.getName()).log(Level.SEVERE, null, ex); 
     } catch (IOException ex) { 
      Logger.getLogger(Test.class.getName()).log(Level.SEVERE, null, ex); 
     } 

    } 
}

輸出是沒有轉義字符，這裏是從控制檯樣本：

<td valign="bottom" style="width:02.96%;border-top:1pt none #D9D9D9 ;border-left:1pt none #D9D9D9 ;border-bottom:1pt none #D9D9D9 ;border-right:1pt none #D9D9D9 ;background-color: #auto;height:1.00pt;padding:0pt;"> 
        <p style="margin:0pt;font-family:Times New Roman;height:1.00pt;overflow:hidden;font-size:0pt;"> 
         &nbsp;</p> 
       </td> 
       <td valign="bottom" style="width:02.40%;border-top:1pt none #D9D9D9 ;border-left:1pt none #D9D9D9 ;border-bottom:1pt none #D9D9D9 ;border-right:1pt none #D9D9D9 ;background-color: #auto;height:1.00pt;padding:0pt;"> 
        <p style="margin:0pt;font-family:Times New Roman;height:1.00pt;overflow:hidden;font-size:0pt;"> 
         &nbsp;</p> 
       </td> 
       <td valign="bottom" style="width:11.82%;border-top:1pt none #D9D9D9 ;border-left:1pt none #D9D9D9 ;border-bottom:1pt none #D9D9D9 ;border-right:1pt none #D9D9D9 ;background-color: #auto;height:1.00pt;padding:0pt;"> 
        <p style="margin:0pt;font-family:Times New Roman;height:1.00pt;overflow:hidden;font-size:0pt;"> 
         &nbsp;</p> 
       </td>

繼續記住，你需要：

import org.apache.commons.io.IOUtils; 
import org.apache.commons.lang.StringEscapeUtils;

來源

2016-07-22 09:33:26 Hrabosch

試過@Hrbosch ...同樣的問題.share代碼 –

@JohnAdam檢查更新，我認爲這是你需要的 – Hrabosch

我認爲你稍微誤解了這個問題。這裏的XML包含嵌入式 HTML（本身帶有嵌入式CSS，就像它發生的那樣）。

被列入該節點，這些有轉義字符，否則整個XML就會無效（<，>，&等都是reserved entities in XML）。

如果你的意思是你想要的那XML節點（us-gaap:FiscalPeriod）聯合國逃脫的結果，那麼你應該提取它的字符串值，然後使用類似StringEscapeUtils.unescapeHtml作爲已經建議。

取決於你想要做什麼，你可能想要從輸出中繼續前進，並且strip all HTML tags。

來源

2016-07-22 09:44:27 declension

我的問題是如何下載沒有這些文件的XML文件特殊字符。 –

選擇其他XML文件？他們已經在那裏 - 你必須通過處理你的輸入來獲得你想要的輸出來處理它們。 – declension

請我編輯代碼，如果任何人都可以共享代碼，那麼它非常有用....感謝 –

以下似乎工作。

InputStream iStream = new FileInputStream(new File("xxxxx")); 
    StringWriter writer = new StringWriter(); 
    IOUtils.copy(iStream, writer, "UTF-8"); 
    String theString = writer.toString(); 
    IOUtils.write(StringEscapeUtils.unescapeXml(theString), 
      new FileOutputStream("yyyy"));

來源

2016-07-22 10:12:55

其工作正常，但是「yyyy」文件中的問題...你有任何其他解決方案來克服。 –

我這樣做的特殊字符在HTML –

中得到解決這個字符在HTML .... –

如何通過轉義特殊字符從URL下載XML文件，如< > $ amp;等等？

回答

相關問題