java - 寻找正则表达式模式来清理 XML 字符串的各个部分

Question

我们收到一个 XML 字符串，在解码之前我们只需要清理一个属性值。问题是 xml 的类型非常松散，并且不能保证属性将按任何特定顺序甚至存在。

<message>
 <set name=".." value="garbled string" type="name" />
 <set age=".." value="32" />
 <set something=".." value="value=\"\"\"\"" />
 ..
</message>

在此字符串中，我需要调用一个模式，以便仅将字符串作为 XML 的 value 属性，对任何特殊字符 (StringEscapeUtils.escapeXml()) 进行编码并替换其值。即使该值内部包含字符串“value”，也不应导致任何正则表达式模式不匹配。

请帮忙。

Answer 1

我最近不得不做类似的事情(即编码特殊字符以便让解码器/解析器完成其工作)。我想出的解决方案如下:

• 使用流解析器(我使用 woodstox )
• 给流解析器一个自定义的java.io.FilterReader

• 实现 FilterReader 的 read 方法，以便在读取特殊字符时对其进行编码，即如下所示:

  @Override
  public int read(char[] cbuf, int off, int len) throws IOException {
  
      int charsWithoutEntity = len / 4;
      int read = super.read(myBuffer, off, charsWithoutEntity <= myBuffer.length ? charsWithoutEntity : myBuffer.length);
      int j = 0;
  
      for (int i = 0; i < read; i++, j++) {
  
          cbuf[j] = myBuffer[i];
          if (myBuffer[i] == '&') {
              cbuf[++j] = 'a';
              cbuf[++j] = 'm';
              cbuf[++j] = 'p';
              cbuf[++j] = ';';
          }
      }
  
      return read > 0 ? j : read;
  } 
  

我选择流式解析器的原因与此问题无关，并且我非常确定您可以将 FilterReader 提供给 JAXB 的 Unmarshaller，因此在您不想/不需要使用解析器的情况下也可以应用相同的解决方案。