XercesDOMParser解析含&的属性值失败，如何兼顾XML合法性与链接有效性？

问题根源 #

你开启了XercesDOMParser的始终验证模式，而XML规范严格要求所有&必须转义为&（除非是合法实体引用）。但HTML允许未转义的&（只要后续不是标准实体格式），这种XML与HTML的语法差异导致解析失败，根元素返回null。

解决方案 #

方案1：关闭严格验证，调整解析器特性 #

直接修改现有XercesDOMParser的配置，关闭验证并允许未识别的实体，这样解析器会忽略未转义&的语法错误，正常解析并保留原始链接：

// 初始化解析器
XercesDOMParser* parser = new XercesDOMParser();

// 关闭验证模式（关键）
parser->setValidationScheme(XercesDOMParser::Val_Never);

// 禁用命名空间、Schema（保持你的原有配置）
parser->setDoNamespaces(false);
parser->setDoSchema(false);
parser->setLoadExternalDTD(false);

// 允许未识别的实体，避免&引发错误
parser->setFeature(XMLUni::fgXercesAllowUnrecognizedEntities, true);
parser->setFeature(XMLUni::fgXercesSkipUnknownEntities, true);

优缺点：修改成本极低，无需更换组件；但关闭验证后会失去XML语法检查能力，若需确保HTML结构正确性，需额外处理。

方案2：改用Xerces HTML解析器 #

Xerces C++提供了专门的HTML解析组件（需确保编译时启用HTML模块），它遵循HTML解析规则，原生支持未转义的&，更适合处理HTML内容：

// 使用HTMLDOMBuilder代替XercesDOMParser
HTMLDOMBuilder* htmlParser = new HTMLDOMBuilder();

// 禁用命名空间（匹配你的原有需求）
htmlParser->setFeature(XMLUni::fgDOMNamespaces, false);

// 禁用外部DTD加载（保持原有配置）
htmlParser->setFeature(XMLUni::fgXercesLoadExternalDTD, false);

// 解析HTML内容（示例：解析缓冲区）
htmlParser->parseBuffer(htmlContent, htmlContentLength);
DOMDocument* doc = htmlParser->getDocument();

优缺点：完全适配HTML语法，能处理各种HTML不规范写法；但需确认Xerces编译时包含HTML模块，可能需要调整项目编译配置。

方案3：临时转义+解析后恢复（不推荐） #

若必须保留验证模式，可在解析前将href中的&临时替换为自定义实体（如&temp_amp;），解析完成后再替换回&。但这种方法实现繁琐，容易遗漏边缘情况（如已转义的&被误处理），仅作为极端场景的备选。

注意事项 #

• 若你的工具类主要处理HTML内容，优先选择方案2，更贴合HTML的实际使用场景。
• 方案1中关闭验证后，需自行处理HTML结构的合法性问题（如未闭合标签）。

内容的提问来源于stack exchange，提问作者Bharath Gade