使用XMLInputFactory解析XML时&符号导致数据截断问题求助

问题场景 #

使用java.xml.stream包的XMLInputFactory解析XML，目标XML内容：

<SACL>
<Criteria>Dinner</Criteria>
<Value> Rice &amp; Beverage </Value>
</SACL>

解析代码片段：

if(xmlEvent.asStartElement().getName().getLocalPart().equals("Value")){
      xmlEvent = xmlEventReader.nextEvent();
      value = xmlEvent.asCharacters().getData().trim();  //问题出在此处
}

（xmlEventReader初始化：xmlEventReader = XMLInputFactory.newInstance().createXMLEventReader(new FileInputStream(file.getPath()));）

解析后仅得到Rice，缺失& Beverage部分，期望输出Rice & Beverage。

原因 #

StAX解析器处理XML实体（如&）时，会将文本拆分为多个Characters事件：

• 第一部分：Rice
• 第二部分：解析后的&（对应原XML的&）
• 第三部分：Beverage

原代码只读取了第一个Characters事件，因此只拿到了Rice。

解决方法 #

循环读取所有连续的Characters事件，直到遇到结束标签，拼接所有字符内容：

if(xmlEvent.asStartElement().getName().getLocalPart().equals("Value")){
    StringBuilder sb = new StringBuilder();
    while (xmlEventReader.hasNext()) {
        xmlEvent = xmlEventReader.nextEvent();
        if (xmlEvent.isCharacters()) {
            sb.append(xmlEvent.asCharacters().getData());
        } else if (xmlEvent.isEndElement()) {
            // 遇到Value的结束标签时停止
            break;
        }
    }
    value = sb.toString().trim();
}

这样就能完整获取Rice & Beverage的文本内容。

内容的提问来源于stack exchange，提问作者rishabh