java - 如何处理未知实体引用？

Question

我正在解析(很多)包含我事先不知道的实体引用的 XML 文件(无法改变这一事实)。

例如:

xml = "<tag>I'm content with &funny; &entity; &references;.</tag>"

当我尝试使用以下代码解析它时:

final DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
final DocumentBuilder db = dbf.newDocumentBuilder();
final InputSource is = new InputSource(new StringReader(xml));
final Document d = db.parse(is);

我得到以下异常:

org.xml.sax.SAXParseException: The entity "funny" was referenced, but not declared.

但是，我确实想要实现的是，解析器将每个未声明(解析器未知)的实体替换为空字符串“”。 或者更好的是，有没有一种方法可以将映射传递给解析器，例如:

Map<String,String> entityMapping = ...
entityMapping.put("funny","very");
entityMapping.put("entity","important");
entityMapping.put("references","stuff");

以便我可以执行以下操作:

final DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
final DocumentBuilder db = dbf.newDocumentBuilder();
final InputSource is = new InputSource(new StringReader(xml));

db.setEntityResolver(entityMapping);
final Document d = db.parse(is);

如果我使用此示例代码从文档中获取文本，我应该收到:

I'm content with very important stuff.

有什么建议吗？当然，我已经很乐意用空字符串替换未知实体。

谢谢，

Answer 1

StAX API 对此提供支持。看看XMLInputFactory , 它有一个 runtime property这决定了内部实体是扩展还是保留在原地。如果设置为 false，则 StAX 事件流将包含 EntityReference 的实例以表示未展开的实体。

如果你仍然想要一个 DOM 作为最终结果，你可以像这样将它链接在一起:

XMLInputFactory inputFactory = XMLInputFactory.newInstance();
inputFactory.setProperty(XMLInputFactory.IS_REPLACING_ENTITY_REFERENCES, false);
Transformer transformer = TransformerFactory.newInstance().newTransformer();

String xml = "my xml";
StringReader xmlReader = new StringReader(xml);
XMLEventReader eventReader = inputFactory.createXMLEventReader(xmlReader);
StAXSource source = new StAXSource(eventReader);
DOMResult result = new DOMResult();

transformer.transform(source, result);

Node document = result.getNode();

在这种情况下，生成的 DOM 将包含与文本节点混合的 org.w3c.dom.EntityReference 节点。然后，您可以根据需要处理这些内容。