转义XML字符的最佳实践？

Question

我有我转换成Dom4J文档的HTML数据。

我遇到了一个错误：

org.dom4j.DocumentException: Error on line 1 of document : Reference is not allowed in prolog. Nested exception: Reference is not allowed in prolog. 
    at org.dom4j.io.SAXReader.read(SAXReader.java:482) 
    at org.dom4j.DocumentHelper.parseText(DocumentHelper.java:278) 
    at MonTest.main(MonTest.java:21) 
Nested exception: 
    org.xml.sax.SAXParseException: Reference is not allowed in prolog. 

这是一个性格“&”，我需要逃避到&放大器;以建立文件。

在XML中，我们似乎需要转义5个字符：（GT，LT，QUOT，安培，者）

然而，如何可以逃避它，而不脱离其放入“节点”元素：

<div id="test" class='toto'>A&A<A"A</div> 

应该给：

<div id="test" class='toto'>A&amp;A&lt;A&quot;A</div> 

，而不是

<div id="test" class='toto'>A&A<A"A</div> 

谢谢

Answer 1

逃亡串增加XML文档之前。使用Apache Commons Lang中的StringEscapeUtils.escapeXml方法。使用一些库来构建XML http://code.google.com/p/joox/。

Answer 2

我会看看使用宽松的HTML XMLReader而不是默认的XMLReader实现。像tag soup或html tidy。