java - 读取为数字代码而不是特殊字符

Question

我有一个 XML 文件可供 SAX 解析器读取、存储到 CSV 中并导入到数据库中。

在我的 XML 文件中，有一位作者的姓名为:<author>G&uuml;nther Heinemann</author>正如您所看到的，XML 中的“ü”写为 &umml; .

所以是的，我需要将作者存储在数据库中。我无法将该字符存储为“ü”。我需要将其存储为 &umml;

但是当我使用 SAX 解析器从 XML 中读取时，它继续读取为“ü”而不是 &umml;我怎样才能使Java存储为&umml;而不是“ü”？

谢谢

Answer 1

它可能也很慢，因为可能会读取包含包含内容的巨大 HTML DTD。但是您需要它，因为不允许使用单个与号 (&)。 HTML DTD 定义了数百个 HTML 实体名称，例如 &perc; (%)。

DTD 可以取自 XML 目录，即该 HTML URL 的离线本地版本。然后您可以更改实体。但这工作量太大了。

我们可以做的就是在解析器中安装您自己的EntityHandler，等等。研究工作，比较轻松。

最简单的方法是将输入包装在您自己的 InputStream/Reader 中，例如使用 BufferedReader 将 & 替换为 &，这样就可以完成所需的替换。

在 XML 中:ü 而不是 ü。

line = line.replace("&", "&");
// Undo XML escapes:
String[] xmlTags = { "amp", "lt", "gt", "quot", "apos" };
for (String xmlTag : xmlTags) {
    line = line.replace("&" + xmlTag + ";", "&" + xmlTag + ";");
}