Java XML API将"转换为&“

Question

我正在开发一个Java程序，它读取HTML代码，解析HTML，获取内容（人类可读文本）并将其存储在XML文件中。有时，HTML代码包含',"个字符（等等），但有时它们也分别被编写为'和"。

我按照适当的程序构建XML。我使用Document和Element类，并且使用Transformer,DomSource和StreamResult类来创建XML文件。

问题是当保存文件时，我看到&符号被替换为&。我知道这是正确的。但它也会将'转换为&&apos！

我也尝试将Document对象转换为String对象，然后将该字符串传递给StringEscapeUtils.unescapeXml(String s)方法，以使XML实体保持不变。但是，它不会将&实体转换为&，从而导致无效的XML文件。

（我已经设置了OutputKeys.ENCODING为 “UTF-8” 和OutputKeys.METHOD为 “XML”。）

Answer 1

问题是与你的HTML解析，而不是与你的XML输出。在HTML &;是单引号，所以当有&时，在HTML中，你的解析器应该把它作为一个单引号给你。

你在使用什么语法分析器？流行的解析器如Jsoup不会出现这种错误。