Jsoup未转义带引号元素属性值中的特殊字符(<,>)问题咨询

我在编程构建属性值包含<和>的Element时得到了意外结果，是不是遗漏了相关规则？

测试代码如下：

Element e = new Element("E");
e.attr("key", "value");
e.attr("code", "<X>");
assertEquals("<E key=\"value\" code=\"&lt;X&gt;\"></E>", e.outerHtml());

测试失败，实际结果与预期不符：

expected: <E key="value" code="&lt;X&gt;"></E> but was: <E key="value" code="<X>"></E>

问题解析 #

1. XML与HTML的转义规则差异：

   • 严格XML语法要求属性值中的<必须转义为<，这是强制规则；>则属于可选转义范畴。
   • 你调用的outerHtml()方法是按HTML规则输出的，在HTML规范中，属性值用双引号包裹时，<并非强制转义（浏览器可正确解析），因此库没有对其进行转义处理。

2. 解决方案：

   • 若需要严格符合XML的输出标准，不要使用HTML相关的输出方法（如outerHtml()），改用库提供的XML序列化方法（比如asXml()，具体方法名取决于你使用的库），这样会按照XML规则自动转义<为<。

内容的提问来源于stack exchange，提问作者ondruska