XSLT和XQuery无效html输入，URI片段看起来像实体

Question

我使用Saxon 9来分析无效的html源文件。具体的HTML有类似下面的HREF值：

< A HREF = “？blah.asp FN =视图& g_varID = 1234” >一些文本</A >

遇到错误：

“XML解析器报告的错误：对实体”g_varID“的引用必须以 结束';'分隔符“。

xml解析器正在读取“& g_varID”字符串，并抱怨应该有一个“;”划定实体。但是，当然，这不是一个HTML实体 - 它只是一个URI的一部分。

如何告诉解析器忽略它？注意：我使用非架构感知的Saxon，而不是Saxon-SA。

Answer 1

确保你有一个正确的xhtml DOCTYPE。根据我所看到的xhtml1-strict.dtd，href属性被声明为CDATA，而不是PCDATA，这意味着文字&完全可以，不应该被解析为实体。

Answer 2

如果您的HTML不是XML，那么您如何期待任何XML处理器来处理它？

Answer 3

如上所述，这是无效的XML，它是HTML。但是，这个特定的问题是默认情况下HTML整理的一个问题：http://www.w3.org/People/Raggett/tidy/。用下面的命令行参数使用它的HTML转换为XHTML：

tidy -asxhtml foo.html > foo.xhtml 

然后你应该能够通过你的XSLT来运行它。