Java：在解析XML时忽略转义字符

Question

我正在使用DocumentBuilder来解析XML文件。然而，项目规范要求在文本节点中，像"和<这样的字符串应该按照字面意思返回，而不是作为字符("和<)进行解码。

之前有一个类似的问题Read escaped quote as escaped quote from xml，其中一个答案似乎只适用于Apache，另一个则根本没有做到它所说的功能。但我很乐意被证明是错误的 :)。

以下是一些代码供参考：

  file = new File(fileName);
  DocBderFac = DocumentBuilderFactory.newInstance();
  DocBder = DocBderFac.newDocumentBuilder();
  doc = DocBder.parse(file);

  NodeList textElmntLst = doc.getElementsByTagName(text);
  Element textElmnt = (Element) textElmntLst.item(0);

  NodeList txts = textElmnt.getChildNodes(); 
  String txt = ((Node) txts.item(0)).getNodeValue();
  System.out.println(txt);

我希望println()会产生类似以下内容的输出：

"3>2"

代替

"3>2"

这就是目前发生的情况。谢谢！

- Personman

---

你能澄清一下你想要什么吗？你想要打印转义版本，还是想让它取决于XML中的呈现方式？ - Yishai

Yishai：任何一种都有帮助，因为我认为文件中可能从来没有文字引号、大于号等。但是，我不能确定，如果有的话，我会想要保留它们。 - Personman

在 XML 中，未引用的字符（如 >）不是非法的吗？永远不会有一个字面上的 >。 - DJClayworth

@DJClayworth：未引用的字符，如>在CDATA节中是合法的。 - Don Roby

Answer 1

您可以通过以下方式将它们转换回xml编码形式：

 StringEscapeUtils.escapeXml(str);

(javadoc, commons-lang)

- Bozho

Answer 2

我正在使用DocumentBuilder来解析XML文件。然而，该项目的规范要求在文本节点中返回像"和<这样的字符串，而不是将它们解码为字符（"和<）。

这是一个糟糕的要求，请不要这样做。

或者至少仔细考虑您为什么认为需要这样做。

CDATA节和转义是一种策略，允许您通过XML传递像引号和'<'字符这样的文本，而不会被XML与标记混淆。它们本身没有意义，当您从XML中提取它们时，应该接受它们作为它们所代表的引号和'<'字符。

- Don Roby

Answer 3

一种方法可能是尝试使用dom4j，并使用Node.asXML()方法。它可能会返回一个深层结构，因此可能需要克隆才能获取您想要的节点或文本，而不包括其任何子元素。

- John

Answer 4

两个答案都不错，但对于这个非常小的应用程序来说都有点过重了。最终我选择了一种非常简单的方法，就是剥离所有的&符号（我之后也会这样做那些不属于转义的&符号）。虽然很丑陋，但它能够工作。

编辑：我知道这样做有很多问题，而且这个要求很愚蠢。这是一个学校项目，唯一重要的是它在一个案例中能够工作，而这个要求不是我的错 :)

- Personman

---

它会在某个时候停止工作，然后你会想知道它是从哪里来的 ;) - Bozho