Java在JAXB解析之前无法解决XML / HTML问题

2018-06-12 04:48:47

谁能帮我？

在HTML / XML中：
数字字符引用通过其通用字符集/ Unicode代码点引用字符，并使用以下格式：

＆＃NNNN; 或＆＃x hhhh;

在使用JAXB解析器之前，我必须将这些引用unescape（转换为unicode）。

当我使用Apache StringEscapeUtils.unescapeXml（）时＆amp; 和＆gt; 和＆lt; 没有转义，而且这不是我想要的，因为解析将会失败。

有没有只将＆＃nnnn转换为unicode的库？但是，其余的不会让其他人失望？

例：
开始标记 Adam＆lt;＆gt; Sl.meer 4＆5＆＃55357;＆＃56900; 结束标记

我在＆＃后添加了空格，否则您没有看到符号。

现在我已经解决了这个问题，但我想使用更好的解决方案。

String unEncapedString = StringEscapeUtils.unescapeXml(xmlData).replaceAll("&", "&amp;")
                .replaceAll("<>", "&lt;&gt;");
StringReader reader = new StringReader(unEncapedString.codePoints().filter(c -> isValidXMLChar(c))
                .collect(StringBuilder::new, StringBuilder::appendCodePoint, StringBuilder::append).toString());
return (Xxxx) createUnmarshaller().unmarshal(reader);

在Apache Commons文本库中查看并最终找到了解决方案：

NumericEntityUnescaper numericEntityUnescaper = new NumericEntityUnescaper(
                    NumericEntityUnescaper.OPTION.semiColonRequired);
xmlData = numericEntityUnescaper.translate(xmlData);

链接地址: http://www.djcxy.com/p/34917.html

上一篇: Java Unescaping XML/HTML before JAXB parsing doesn't work

下一篇: Getting SAXParser to ignore escape characters