需要一个应用程序来修复带有未转义字符的 XML

Question

此 XML （rdf 文件扩展名，但为 XML） 是由自动工具，但不幸的是有各种“未转义”字符串

<tag xml:lang="fr">L'insuline (du latin insula, île) </tag>

，例如解析器（和推理软件）因此崩溃...

Java 或 PHP 解决方案对我来说也有效！

谢谢， 塞尔索

Answer 1

下面是我经常使用的一种通用方法，以确保对 XML 正确转义字符串。

private static final String AMP = "&";
private static final String LT = "<";
private static final String GT = ">";
private static final String QUOTE = """;
private static final String APOS = "'";

public static String encodeEntities(String dirtyString) {

    StringBuffer buff = new StringBuffer();
    char[] chars = dirtyString.toCharArray();

    for (int i = 0; i < chars.length; i++) {
        if (chars[i] > 0x7f) {
            buff.append("&#" + (int) chars[i] + ";");
            continue;
        }

        switch (chars[i]) {
        case '&':
            buff.append(AMP);
            break;
        case '<':
            buff.append(LT);
            break;
        case '\'':
            buff.append(APOS);
            break;
        case '"':
            buff.append(QUOTE);
            break;
        case '>':
            buff.append(GT);
            break;
        default:
            buff.append(chars[i]);
            break;
        }
    }

    return buff.toString();
}

Answer 2

OP 给出的 xml 是格式正确的 xml，因为单引号字符有效，扬抑符“i”也是有效的，两者都不需要转义。我会确保您使用的是文本编码，例如 UTF-8。这是执行身份转换的快速 java 示例：

public static void main(String[] args) throws Exception {
    Transformer t = TransformerFactory.newInstance().newTransformer();
    StreamResult s = new StreamResult(System.out);
    t.transform(new StreamSource(new StringReader("<tag xml:lang=\"fr\">L'insuline (du latin insula, île) </tag>")), s);
}

Answer 3

OP 给出的 XML 片段看起来格式良好。撇号和抑扬符都不需要转义。最可能的问题是 XML 使用 iso-8859-1 进行编码，但缺少 XML 声明，因此解析器认为它是 UTF-8 编码。那么解决方案是添加 XML 声明 ，它告诉解析器如何解码字符。 （对于仅包含 ASCII 字符的文档，iso-8859-1 和 utf-8 是无法区分的，因此只有当您使用 ASCII 范围之外的字符时才会出现此问题）。

一句建议：如果您给出了解析器生成的错误消息，您就不会得到这么多错误的答案。