java - 需要转义 java 中 XML 标签(<、>、')之间存在的一些特殊字符

Question

这个问题已经有答案了:

Can you provide some examples of why it is hard to parse XML and HTML with a regex? [closed] (12 个回答)

已关闭 8 年前。

我有一个 XML 字符串，该字符串已存在于数据库中，但在解析此 XML 字符串时，我遇到了解析问题，因为 XML 标记之间有特殊字符，例如 (<,>,')。

我使用了名为 StringEscapeUtils.escapeXml 的 API，但它也会转义 xml 标签。我不想转义 xml 标签。我只想转义标签值。

以下是我的 xml 字符串:-

<start>
<attribute name="resourcePageCategory"> <"there 'is' no category"></attribute>
<attribute name="resourceType" />
<attribute name="fairMarketValue">1000</attribute>
<attribute name="transferReason" />
<attribute name="effectiveDate" />
<attribute name="amountOwed">10</attribute>
</start>

预期输出应该是这样的:-

<start>
    <attribute name="resourcePageCategory">  &lt; &quot;there &apos;is&apos; no category&quot;&gt;</attribute>
    <attribute name="resourceType" />
    <attribute name="fairMarketValue">1000</attribute>
    <attribute name="transferReason" />
    <attribute name="effectiveDate" />
    <attribute name="amountOwed">10</attribute>
    </start>

基本上，它应该转义 xml 标记之间存在的 XML 特殊字符，因为在我的代码中，我发送此 xml 进行解析请给我任何示例代码来执行此操作。如果我有任何可以在字符串的 ReplaceAll 方法中使用的正则表达式模式，那就太好了。

还要注意，数据以 xml 字符串形式存储在数据库中。

Answer 1

public static String repair(String xml) {
    Pattern pattern = Pattern.compile("(<attribute name=\"[^\"]+\">)(.*?)(</attribute>)");
    Matcher m = pattern.matcher(xml);
    StringBuffer buf = new StringBuffer(xml.length() + xml.length() / 32);
    while (m.find()) {
        String escaped = StringEscapeUtils.escapeXml(m.group(2));
        m.appendReplacement(buf, m.group(1) + escaped + m.group(3));
    }
    m.appendTail(buf);
    return buf.toString();
}

.*? 暂时不允许换行，为此添加 DOTALL，并且急切 (?)，因此同一行上的两个属性确实被视为两个。