Java XML API將"轉換爲&「

我正在開發一個Java程序，它讀取HTML代碼，解析HTML，獲取內容（人類可讀文本）並將其存儲在XML文件中。有時，HTML代碼包含',"個字符（等等），但有時它們也分別被編寫爲'和"。Java XML API將"轉換爲&「

我按照適當的程序構建XML。我使用Document和Element類，並且使用Transformer,DomSource和StreamResult類來創建XML文件。

問題是當保存文件時，我看到&符號被替換爲&。我知道這是正確的。但它也會將'轉換爲&&apos！

我也嘗試將Document對象轉換爲String對象，然後將該字符串傳遞給StringEscapeUtils.unescapeXml(String s)方法，以使XML實體保持不變。但是，它不會將&實體轉換爲&，從而導致無效的XML文件。

（我已經設置了OutputKeys.ENCODING爲「UTF-8」和OutputKeys.METHOD爲「XML」。）

2017-08-30 George

我懷疑你正在寫一個字符串，其中包含六個字符'＆p o s;'到DOM文檔中的文本節點，以便文本節點被序列化爲＆a m p;一個朋友;'。文本節點應該包含未轉義的文本（即單個字符'''），串行器將決定是否轉義。 –

問題是與你的HTML解析，而不是與你的XML輸出。在HTML &;是單引號，所以當有&時，在HTML中，你的解析器應該把它作爲一個單引號給你。

你在使用什麼語法分析器？流行的解析器如Jsoup不會出現這種錯誤。

2017-08-30 09:43:59 kumesana

這不是問題。我不介意我是否有'''或'''。我認爲問題在於當XML解析器看到'＆'符號而沒有注意到後面跟有「或」等，因此將其轉換爲「&」，因此具有「&」。但是，如果文本是「George＆Nick」，那麼'＆'應該轉換爲'&'。 – George

是的，這是問題，沒有XML序列化程序不會犯這個錯誤。我不知道爲什麼你認爲儘管被指出，但這是一個不正確的想法。 – kumesana

回答