我正在研究 XML 数据集(DrugBank 数据库可用)here http://www.drugbank.ca/downloads)其中某些字段包含转义的 XML 字符,例如“&”等。
为了使问题更加具体,下面是一个示例场景:
<drugs>
<drug>
<drugbank-id>DB00001</drugbank-id>
<general-references>
# Askari AT, Lincoff AM: Antithrombotic Drug Therapy in Cardiovascular Disease. 2009 Oct; pp. 440–. ISBN 9781603272346. "Google books":http://books.google.com/books?id=iadLoXoQkWEC&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
}
当我测试时finerParse
使用示例 xml 的方法(从相同数据复制粘贴的片段),效果很好。但是当从上面的代码调用时,它失败并显示错误消息Errors in Entity: Illegal entity char
。将输入打印到finerParse
(即drugXML
字符串),我注意到字符串&pg=PA440
原始 xml 中的内容更改为“&pg=PA440”。
为什么会发生这种情况?我所做的就是使用一个非常知名的解析器来解析它。
P.S. I have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。但我仍然很好奇上述方法出了什么问题。
使用 vtdNav.toRawString() 而不是 vtdNav.toString() 问题应该消失......让我知道它是否有效。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)