重写 XML 文件时使用哪种 Java XML 解析方法？

Question

为清晰起见进行了编辑。

我正在编写一个 Java 应用程序，它采用 XML 文件并在文件中的信息需要更新时重写它。下面是一个 XML 文件的示例：

<!DOCTYPE book PUBLIC "myDTD.dtd" [

<!ENTITY % ent SYSTEM "entities.ent">
%ent;

]>

<book id="EXDOC" label="beta" lang="en">
   <title>Example Document</title>
   <bookinfo>
      <authorgroup>
         <author>
            <firstname>George</firstname>
            <surname>Washington</surname>
         </author>
         <author>
            <firstname>Barbara</firstname>
            <surname>Bush</surname>
         </author>
      </authorgroup>
      <pubsnumber>E12345</pubsnumber>
      <releaseinfo/>
      <pubdate>March 2016</pubdate>
      <copyright>
         <year>2012, 2016</year>
         <holder>Company and/or its affiliates. All rights reserved.</holder>
      </copyright>
      <xi:include xmlns:xi="http://www.w3.org/2001/XInclude" href="Abstract.xml" parse="xml"/>
      <xi:include xmlns:xi="http://www.w3.org/2001/XInclude" href="legal.xml" parse="xml"/>
   </bookinfo>
   <xi:include xmlns:xi="http://www.w3.org/2001/XInclude" href="preface.xml" parse="xml"/>
...

我需要抓取某些节点并检查该信息，如果信息不正确，请更新节点以具有正确的文本。我可能还想根据需要添加/删除节点。

例如，在节点中，我可能需要更改版权年份以列出最近的年份。或者，我可能需要向元素添加一个作家。

目前，我创建了一个 SAX 解析器的实例，验证 XML 文件以从该实例创建一个文档（这反过来解析任何实体），从文档中读取节点，并使用 setTextContent 更新文本（） 方法。然后，我在特定文件的所有更新结束时获取生成的文档，并使用 DOMSource 和 Transformer 工厂来输出我的文件：

 TransformerFactory transformerFactory;
 transformerFactory = TransformerFactory.newInstance();
 Transformer transformer = transformerFactory.newTransformer();
 DOMSource source = new DOMSource(doc);
 StreamResult result = new StreamResult(new File(uri));
 transformer.transform(source, result);

不过，这带来了一些限制，我真的很想绕过这些限制。一方面，如果内联文本有一个文本实体 &something;，我想保持实体不变。目前，当文件被重写时，我的实体解析为文本本身。

例如，如果我有

<!ENTITY something "Something">

如果我的文件有类似的内容：

<para> There's a &something; here.</para>

当我重写时，我想让它说：

<para> Here's a &something; there.</para>

但实体解析，文件变为：

<para>Here's a Something there.</para>

我不确定如何处理我的 entityResolver 类，这样当我读取节点时它不会自动解析这些实体，而不会破坏我的其余代码。我还有另一个与 XPATH 一起使用的类，它从文档中提取某些信息以将 XML 文件中的信息与数据库中记录的信息进行比较，所以我不能不设置 entityResolver，否则 XPATH 表达式会完全中断。

我想我可以有一个单独的解析器来读取/写入 XML 文件，然后是 SAX 解析器，它是从我们的数据库中获取信息所必需的，但我希望这样做尽可能干净。

任何帮助将不胜感激......

Answer 1

很遗憾，您不能告诉转换引擎不要扩展实体引用。解析 XML 时会发生这种情况，因此在转换 XML 内容时它们会丢失。

多阶段转换场景怎么样：

1. 用 entity-reference-like 标记替换实体引用，即将&something; 替换为¶something;、as Michael Kay suggested。

2. 执行转换以根据需要调整内容，这不会扩展实体引用并将保留您的 entity-reference-like 标记。如果您确实需要解析实体以验证这些实体信息，您还可以加载原始 XML 文档（带有扩展实体）并在文档之间进行交叉引用。

3. 将转换后的输出中的 entity-reference-like 标记改回实体引用，并使用另一个查找/替换。