我面临的问题是即使在 XSLT 转换之后仍保留特殊字符。我的源 XHTML 文件包含几个特殊字符，例如 、—、’;在 XSLT 转换时，将被忽略。
如果我手动将特殊字符的值更改为其相应的 Unicode 表示形式，这些字符将保留在输出中。
例如将 更改为 ，会导致输出中出现空格。请引用下面的一些示例文档:
源 XHTML:
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xmlns:text="http://giraffe.wkle.com/text" xmlns:epub="http://www.idpf.org/2007/ops">
<body>
<div class="section" id="section_1">
<p id="para_1" class="para">Content of paragraph—1.</p>
<p id="para_2" class="para">Content of paragraph—2.</p>
</div>
</body>
</html>
XSL 模板:
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema">
<xsl:output method="xml" indent="yes"/>
<xsl:template match="node()|@*" name="identity">
<xsl:copy>
<xsl:apply-templates select="node()|@*" />
</xsl:copy>
</xsl:template>
<xsl:template match="*[local-name()='p']/text()">
<xsl:copy-of select="."/>
</xsl:template>
</xsl:stylesheet>
预期输出:
<?xml version="1.0" encoding="UTF-8"?>
<html xmlns="http://www.w3.org/1999/xhtml" xmlns:epub="http://www.idpf.org/2007/ops" xmlns:text="http://giraffe.wkle.com/text">
<body>
<div class="section" id="section_1">
<p class="para" id="para_1">Content of paragraph—1.</p>
<p class="para" id="para_2">Content of paragraph—2.</p>
</div>
</body>
</html>
实际输出:
<?xml version="1.0" encoding="UTF-8"?>
<html xmlns="http://www.w3.org/1999/xhtml" xmlns:epub="http://www.idpf.org/2007/ops" xmlns:text="http://giraffe.wkle.com/text">
<body>
<div class="section" id="section_1">
<p class="para" id="para_1">Contentofparagraph1.</p>
<p class="para" id="para_2">Contentofparagraph2.</p>
</div>
</body>
</html>
限制:
- 我无权修改源 XHTML 内容或其 DTD。
- XSLT 的版本是 1.0。
请告诉我是否有任何方法可以使用特殊字符的 Unicode 值来转换它们并将它们保留在我的输出 XML 文档中。
更新:
我使用这段 Java 代码来调用转换:
public class XSLTUtil {
public static String processXHTML(String sourceFileName, String outputXhtml, String xslFilePath) throws ParserConfigurationException, SAXException, IOException, TransformerException {
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder docbuilder = factory.newDocumentBuilder();
Document doc = docbuilder.parse(new FileInputStream(sourceFileName));
FileOutputStream fos = null;
FileInputStream fis = null;
try {
fos = new FileOutputStream(outputXhtml);
fis = new FileInputStream(xslFilePath);
TransformerFactory transformfactory = TransformerFactory.newInstance();
Templates xsl = transformfactory.newTemplates(new StreamSource(fis));
Transformer transformer = xsl.newTransformer();
transformer.transform(new DOMSource(doc.getDocumentElement()),new StreamResult(fos));
return outputXhtml;
} finally {
if(fos != null) {
fos.close();
}
if(fis != null) {
fis.close();
}
}
}
public static void main(String args[]){
String sourceFileName = "C:\\source.xhtml";
String outputXhtml = "C:\\output.xhtml";
String xslFilePath = "C:\\xslTemplate.xsl";
String result = "-1";
try {
result = processXHTML(sourceFileName, outputXhtml, xslFilePath);
} catch (ParserConfigurationException e) {
e.printStackTrace();
} catch (SAXException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} catch (TransformerException e) {
e.printStackTrace();
}
System.out.println("Result : "+ result);
}
}
最佳答案
使用Apache Commons Lang3 StringEscapUtils的解决方案。 需要库:
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-lang3</artifactId>
<version>3.0</version>
</dependency>
首先阅读内容并将所有实体替换为真实文本。
public static String processXHTML(String sourceFileName, String outputXhtml,
String xslFilePath) throws ParserConfigurationException, SAXException, IOException,
TransformerException {
Charset charset = StandardCharsets.UTF_8;
Path path = Paths.get(sourceFileName);
String source = new String(Files.readAllBytes(path), charset);
source = source.replaceAll("\\&(amp|lt|gt|quot);", "\u0001$1;");
source = StringEscapeUtils.unescapeHtml4(source);
source = source.replace('\u0001', '&');
byte[] bytes = source.getBytes(charset);
ByteArrayInputStream bais = new ByteArrayInputStream(bytes);
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder docbuilder = factory.newDocumentBuilder();
docbuilder.setEntityResolver(new EntityResolver() {
@Override
public InputSource resolveEntity(String publicId, String systemId)
throws SAXException, IOException {
System.out.printf("resolveEntity PUBLIC %s SYSTEM %s%n", publicId, systemId);
return new InputSource(new StringReader(""));
}
});
//Document doc = docbuilder.parse(new FileInputStream(sourceFileName));
Document doc = docbuilder.parse(bais);
我跳过了 XML 实体。
我对 EntityResolver 进行了短线连接，因为读取和处理实体(通过网络)需要很长时间。您似乎已经安装了类似的东西，因为实体没有被替换。
在resolveEntity中返回null以查看递归加载了哪些DTD。
或者，您可以安装一个 XML 目录，它是 HTML 实体 DTD 的本地缓存(其中有一些)。
关于java - 使用 XSLT 保留特殊字符作为输出，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46200610/