java - 在 javax.xml.transform.Transformer 中处理原始文本

Question

在处理 XML 文档时，我使用已经包含 XML 实体的字符串，并希望它们按原样插入。然而，这种情况却发生了:

String s = "This — That";
....
document.appendChild(document.createTextNode(s));
....
transformer.transform(new DOMSource(document), new StreamResult(stringWriter));

System.out.println(stringWriter.toString()); // outputs "This — That" at the relevant Node.

我无法控制输入字符串，我需要输出“This — That”。

如果我使用StringEscapeUtils.unescapeHtml，输出是“This — That”，这不是我需要的。

我还尝试了 transformer.setOutputProperty(OutputKeys.ENCODING, "encoding") 的多个版本，但没有找到将“—”转换为“—”。

如何防止 javax.xml.transform.Transformer 重新转义已经正确转义的文本，或者如何转换输入以获取输出中的实体？

请解释一下为什么这是重复的。

所引用的问题存在“ ”的问题由于实体正在被解析，因此被转换为 CRLF。解决方案是逃离实体。

我的问题是相反的。文本已经转义，转换器正在重新转义文本。 “—”正在输出“—”。

我无法使用该解决方案来后转换所有“&” -> “&”，因为并非所有节点都代表 html。

更完整的代码:

TransformerFactory factory = TransformerFactory.newInstance();
Transformer t = factory.newTransformer();
DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = dbFactory.newDocumentBuilder();
Document document = builder.newDocument();
Element rootElement = document.createElement("Test");
rootElement.appendChild(document.createTextNode("This — That");
document.appendChild(rootElement);

DOMImplementation domImpl = bgDoc.getImplementation();
DocumentType docType = domImpl.createDocumentType("Test",
                "-//Company//program//language",
                "test.dtd");
t.setOutputProperty(OutputKeys.DOCTYPE_PUBLIC, docType.getPublicId());
t.setOutputProperty(OutputKeys.DOCTYPE_SYSTEM, docType.getSystemId());
StringWriter writer = new StringWriter();
StreamResult rslt = new StreamResult(writer);
Source src = new DOMSource(document);
t.transform(src, rslt);
System.out.println(writer.toString());

// outputs xml header, then "<Test>This &amp;mdash; That</Test>"

Answer 1

事实是，一旦有了 DOM 树，就不再是带有 — 的字符串:而是在内部表示为 Unicode 字符串。

因此，要输入原始字符串，您需要将其解析为Node，并输出序列化一个节点.

关于序列化，还有一些其他问题，包括 Change the com.sun.org.apache.xml.internal.serialize.XMLSerializer & com.sun.org.apache.xml.internal.serialize.OutputFormat .

要解析单个节点，有 LSParser.parseWithContext .