VTD-XML 似乎破坏了 XML 文档中的转义字符串答案

【问题标题】：VTD-XML seems to be spoiling escaped string in XML documentVTD-XML 似乎破坏了 XML 文档中的转义字符串
【发布时间】：2015-01-07 15:43:47
【问题描述】：

我正在处理一个 XML 数据集（DrugBank 数据库可用here），其中一些字段包含转义的 XML 字符，如“&”等。

为了使问题更具体，这里是一个示例场景：

<drugs>
    <drug>
        <drugbank-id>DB00001</drugbank-id>
        <general-references>
            # Askari AT, Lincoff AM: Antithrombotic Drug Therapy in Cardiovascular Disease. 2009 Oct; pp. 440&#x2013;. ISBN 9781603272346. "Google books":http://books.google.com/books?id=iadLoXoQkWEC&amp;pg=PA440.
        </general-references>
        .
    </drug>
    <drug>
    ...
    </drug>
    ...
</drugs>

由于整个文档很大，我解析如下：

VTDGen gen = new VTDGen();
try {
    gen.setDoc(Files.readAllBytes(DRUGBANK_XML));
    gen.parse(true);
} catch (IOException | ParseException e) {
    SystemHelper.exitWithMessage(e, "Unable to process Drugbank XML data. Aborting.");
}
VTDNav nav = gen.getNav();
AutoPilot pilot = new AutoPilot(nav);
pilot.selectXPath("//drugs/drug");
while (pilot.evalXPath() != -1) {
    long fragment = nav.getContentFragment();
    String drugXML = nav.toString((int) fragment, (int) (fragment >> 32));
    System.out.println(drugXML);
    finerParse(drugXML); // another method handling a more detailed data analysis
}

当我使用示例 xml（从相同数据复制粘贴的 sn-ps 方法）测试 finerParse 方法时，它运行良好。但是当从上面的代码调用时，它失败了，错误消息Errors in Entity: Illegal entity char。在将输入打印到finerParse（即drugXML 字符串）后，我注意到原始xml 中的字符串&amp;pg=PA440 已更改为“&pg=PA440”。

为什么会这样？我所做的只是使用一个非常知名的解析器来解析它。

附：我已经找到了一个替代解决方案，我只是将 VTDNav 作为参数传递给finerParse，而不是首先获取内容字符串并传递该字符串。但是我仍然对上述方法出了什么问题感到好奇。

【问题讨论】：

还有一个建议：永远不要传递字符串，你应该传递字节段，将字符串传递给另一个函数效率不高。
感谢您的建议。我目前的方法是将 VTDNav 本身传递给finerParse。我没有做过任何基准测试，但直观地说，这应该是最有效的方法。我只需要注意正确使用toElement(int, String) 方法。如果我在这里错了，请纠正。

标签： java xml escaping vtd-xml

【解决方案1】：

而不是 vtdNav.toString() 使用 vtdNav.toRawString() 问题应该会消失......让我知道它是否有效。

【讨论】：

像魅力一样工作！顺便问一下，是否有 VTD-XML 的权威文档？我一直在寻找简短的教程等，但没有什么全面的。而且 Javadoc 非常有限，这意味着对于许多方法（例如，如果我想知道 toString()、toRawString()、toNormalizedString() 和 toNormalizedString2 之间的区别），很难弄清楚发生了什么开。
vtd-xml 网站上的所有文件都是权威的……您要找什么样的文件？有什么建议吗？
对不起我之前的评论。我忘记将 javadoc 添加到我的项目中，所以一切都显示为空。纠正了这一点，生活就完美了。与基于 DOM 的解析器相比，VTD-XML 的学习曲线稍微陡峭，但它是一个了不起的工具，尤其是在速度优先的情况下！感谢您的 vtd-xml :-)