如何处理未知的实体引用？

Question

我正在解析(很多)包含实体引用的XML文件,我事先并不知道(不能改变这个事实).

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:

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,我想要实现的是,解析器用空字符串''替换未声明的每个实体(解析器未知).或者甚至更好,有没有办法将地图传递给解析器,如:

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

这样我就可以做到以下几点:

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);

如果我使用这个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？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。看一下XMLInputFactory，它有一个运行时属性，该属性指示内部实体是展开还是保留在原处。如果设置为false，则 StAX 事件流将包含 的实例EntityReference来表示未展开的实体。

如果您仍然想要 DOM 作为最终结果，您可以将其链接在一起，如下所示：

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org.w3c.dom.EntityReference与文本节点混合的节点。然后您可以根据需要处理这些内容。