XML 文件中的特殊字符 - 使用 DOM API 进行处理

我有一个 XML 格式的文件（仅包含根开始标签和结束标签以及根的子标签）。子级的文本元素包含与符号 &。在 XML 中，为了使文档有效，不允许使用此符号，当我尝试使用 Java 中的 DOM API 和 XML 解析器处理该文件时，出现解析错误。因此，我将 & 替换为&，并且我成功处理了该文件：我必须提取不同纯文本文件中文本元素的值。

当我打开这些新创建的文本文件时，我希望看到&，但有 & 代替。为什么是这样？我已将文本存储在没有任何扩展名的文本文件中（我的 XML 格式的原始文件也没有 .xml 扩展名），并且无论我如何打开文件，我在新文件的文本中都只有 & ：作为 txt 或作为 xml 文件（这些是我的 XML 编辑器中的一些选项）。到底发生了什么？ Java（？）是否转换&自动？或者有一些默认编码？出色地，&代表 & ，我想有一些“看不见的”自动转换，但我很困惑这种情况何时以及如何发生。以下是我的原始文件和使用 Java 处理原始文件后收到的提取文件的示例：

这是我的 XML 格式的“负面评论”文件：

<review>
<review_text>
I will not wear it as it is too big &amp; looks funny on me. 
</review_text>
</review>

这是我提取的文件“negative_1”：

I will not wear it as it is too big & looks funny on me. 

对我来说，重要的是保持原始数据原样（不进行任何转换/替换），所以我认为我必须处理提取的文件“negative_1”转换回来&到 ＆。正如你所看到的，我似乎不必这样做。但我不明白为什么:(。

先感谢您！

原因很简单：XML 文件确实包含 an "&"特点。

它只是以不同的方式表示（即“转义”），因为真正的"&"如您所见，它本身会破坏 XML 文件。阅读 XML 1.0 规范中的相关部分：“2.4 字符数据和标记” http://www.w3.org/TR/REC-xml/#syntax。虽然只有几行，但已经很好地解释了这个问题。

XML 是数据的表示形式（！）。不要将其视为文本文件。例子：

您想要将字符串“17

<xml>17 < 20</xml>

解决方案：您对特殊/保留字符使用字符转义，只是为了保留文件的有效性：

<xml>17 &lt; 20</xml>

出于所有实际目的，上面的代码片段包含以下数据（这次采用 JSON 表示形式）：

{
  "xml": "17 < 20"
}

这就是为什么你看到真实的"&"在你的后期处理中。它以同样的方式逃脱了，但它是meaning一直保持不变。

上面的例子也解释了为什么"&"必须特殊对待：它本身就是 XML 转义机制的一部分。它标志着转义序列的开始，就像"<"。因此它本身必须被转义（与"&"，就像你所做的那样）。