替换特殊字符，如＆ndash; 和＆mdash; 在xml文档中出现相应的代码，如＆＃150; 等等

我想替换像＆ndash这样的特殊字符; 和＆mdash; 在xml文档中出现相应的代码，如＆＃150; 等等

我有一个包含几个特殊字符的输入xml文档

   
The war was between1890–1900 something—something else 
  

还有其他几个像＆rsquo; 单引号

我的xslt代码如下

            .....  .....   

我解析的java代码如下（我正在使用saxon9。）

 package com.xsltprocessor; import java.io.File; import java.io.FileInputStream; import javax.xml.parsers.DocumentBuilder; import javax.xml.parsers.DocumentBuilderFactory; import javax.xml.transform.Source; import javax.xml.transform.Templates; import javax.xml.transform.Transformer; import javax.xml.transform.TransformerFactory; import javax.xml.transform.stream.StreamResult; import javax.xml.transform.stream.StreamSource; import org.w3c.dom.Document; public class ParseUsingSAX { public ParseUsingSAX() { } public void parseBookContent(String xsltFile) { try { //File inputXml = new File("D:\\data\\myxml.0f"); File xslt = new File(xsltFile); TransformerFactory factory = TransformerFactory.newInstance(); Templates template = factory.newTemplates(new StreamSource(new FileInputStream(xslt))); Transformer xformer = template.newTransformer(); Source source = new StreamSource(new FileInputStream(inputXml)); StreamResult result = new StreamResult(); xformer.transform(source,result); System.out.println("DONE"); } catch (Exception ex) { // TODO Auto-generated catch block ex.printStackTrace(); System.out.println("IO exception: " + ex.getMessage()); } } 

}

我在转换后获得输出

  The war was between1890–1900  

预期产出

  The war was between1890–1900  

Answer 1

使用控制输出序列化的xsl:character-map元素。

你还必须申报

作为确保使用字符映射的顶级元素。

正如我在评论中提到的， – 是一个需要在XSLT中声明的HTML命名实体。 有关详细信息，请参阅此讨论。

嵌入到您显示的样式表中（这会输出虚拟字符串“MDASH”和“NDASH” – 仅用于说明）：

    ]>                     

请注意，这对使用xsl:result-document生成的输出没有影响（因为您没有显示整个样式表）。 有关角色地图的更多信息，请参阅我之前的答案和官方建议 。

Answer 2

在提到的DTD将包含所使用的实体引用（如– ）或者它是错误的（或者我认为输入XML在尝试使用实体时可能出错了它应该能够使用）。

如果它确实包含它们，那么您需要设置XSLT处理器以根据其DTDvalidation文档。 （我不知道如何在你的情况下这样做，因为我知道问题的XSLT部分，但不知道如何在Java中使用XSLT的具体细节）。

如果没有，你将不得不修复它。

获取http://www.w3.org/2003/entities/2007/w3centities-f.ent的副本（虽然它只能引用该URI本身，如果你没有，W3会更喜欢，而你’这样没有更好的表现）。

然后创建自己的bookfull.dtd，其中包括：

  %w3centities-f; 

或者，它直接在DTD中包含该文件的内容。

现在，在解释输入文档时，可以解析实体引用。 例如， – 在上面的定义是：

或者换句话说; “无论何时–出现，用–替换它”。

这种情况发生在运行XSLT样式表之前的XML解析步骤中，因此就XSLT而言，它收到的内容包含–而不是– ，它就是这样对待它的。