SAX解析器：忽略特殊字符
我正在使用Xerces来解析我的xml文档。 问题是xml转义了像’＆nbsp;’这样的字符 在characters（）方法中显示为非转义的。 我需要按原样在characters（）方法中获取转义字符。
谢谢。
UPD：试图在我的DefaultHandler的后代中覆盖resolveEntity方法。 从调试中可以看出它被设置为xml阅读器的实体解析器，但是没有调用来自重写方法的代码。
我认为你的解决方案并不算太糟糕：几行代码可以完全按照你的意愿行事。 问题是ContentHandler接口不提供startEntity和endEntity方法，因此您必须编写一个与ContentHandler结合使用的LexicalHandler 。 通常，使用XMLFilter更优雅，但您必须使用实体，因此您仍应编写LexicalHandler 。 请看这里介绍SAXfilter的使用。
我想向您展示一种与您非常相似的方法，它允许您将输出操作（或其他内容）的过滤操作（包装和输出）分开。 我已经编写了基于XMLFilterImpl ，它也实现了LexicalHandler接口。 此filter仅包含与entites escape / unescape相关的代码。
public class XMLFilterEntityImpl extends XMLFilterImpl implements LexicalHandler { private String currentEntity = null; public XMLFilterEntityImpl(XMLReader reader) throws SAXNotRecognizedException, SAXNotSupportedException { super(reader); setProperty("http://xml.org/sax/properties/lexical-handler", this); } @Override public void characters(char[] ch, int start, int length) throws SAXException { if (currentEntity == null) { super.characters(ch, start, length); return; } String entity = "&" + currentEntity + ";"; super.characters(entity.toCharArray(), 0, entity.length()); currentEntity = null; } @Override public void startEntity(String name) throws SAXException { currentEntity = name; } @Override public void endEntity(String name) throws SAXException { } @Override public void startDTD(String name, String publicId, String systemId) throws SAXException { } @Override public void endDTD() throws SAXException { } @Override public void startCDATA() throws SAXException { } @Override public void endCDATA() throws SAXException { } @Override public void comment(char[] ch, int start, int length) throws SAXException { } }
这是我的主要内容， DefaultHandler作为ContentHandler ，根据filter代码接收实体：
public static void main(String[] args) throws ParserConfigurationException, SAXException, IOException { DefaultHandler defaultHandler = new DefaultHandler() { @Override public void characters(char[] ch, int start, int length) throws SAXException { //This method receives the entity as is System.out.println(new String(ch, start, length)); } }; XMLFilter xmlFilter = new XMLFilterEntityImpl(XMLReaderFactory.createXMLReader()); xmlFilter.setContentHandler(defaultHandler); String xml = "title &"; xmlFilter.parse(new InputSource(new StringReader(xml))); }
这是我的输出：
title &
可能你不喜欢它，无论如何这是一个替代解决方案。
对不起，但是对于SaxParser我觉得你没有更优雅的方式。
您还应该考虑切换到StaxParser ：在XMLInputFactory.IS_REPLACING_ENTITY_REFERENCE设置为false的情况下，您可以轻松地执行所需操作。 如果你喜欢这个解决方案，你应该看看这里 。
如果您提供LexicalHandler作为SAX解析器的回调，它将使用startEntity（）和endEntity（）回调通知您每个实体引用的开始和结束。
（请注意，当正确的术语是“实体引用”时， http://download.oracle.com/javase/1.5.0/docs/api/org/xml/sax/ext/LexicalHandler.html上的JavaDoc会讨论“实体” “）。
另请注意，无法让SAX解析器告诉您有关数字字符引用的信息，例如ሴ 。 应用程序应该以与原始字符完全相同的方式处理它们，所以你真的不应该对它们感兴趣。
临时解决方案：
public void startEntity(String name) throws SAXException { inEntity = true; entityName = name; } public void characters(char[] ch, int start, int length) throws SAXException { String data; if (inEntity) { inEntity = false; data = "&" + entityName + ";"; } else { data = new String(ch, start, length); } //TODO do something instead of System.out System.out.println(data); }
但仍需要优雅的解决方案。
还有一个可能是： org.apache.commons.lang.StringEscapeUtils类的escapeXml方法。
在你的characters(char[] ch, int start, int length)尝试这个代码characters(char[] ch, int start, int length)方法：
String data=new String(ch, start, length); String escapedData=org.apache.commons.lang.StringEscapeUtils.escapeXml(data);
你可以在这里下载jar。