java - 使用 Saxon 进行转换时处理 XML 中的特殊字符

Question

我正在尝试使用 Saxon 将样式表应用到 XML 文档。给定一个在 Microsoft Word 中生成的 XML 文件，该文件具有 Microsoft Word 样式的引号，例如以下文档中的 FOO 周围

<?xml version="1.0" encoding="UTF-8"?>
<doc>
    <act>
        <performer typeCode=“FOO“ />
        <performer typeCode="BAR" />
    </act>
</doc>

撒克逊抛出以下错误:

SXXP0003: Error reported by XML parser: Invalid byte 1 of 1-byte UTF-8 sequence.

处理 XML 中这些类型的“特殊”字符的最佳方法是什么？这些字符原本是有效的，但在实际解析/转换中却被破坏了？

Answer 1

由于上面的内容不是有效的 XML，因此您必须对输入进行一些预处理(例如使用 FilterReader)，因为几乎任何 XML 解析器都会指示错误(通常是 fatal error )错误，因此您无法处理错误并继续)。

如果特殊引号仅存在于 xml 中，您可以简单地将特殊引号替换为普通引号(如果您必须检查编码类型的前导码，则需要做更多工作)。如果您想在文档中的其他地方保留特殊引号，您将不得不做一些更复杂的事情(主要是跟踪您是否在标签中)。