如何在XSLT中处理HTML实体？解决Saxon报 未定义问题

你在XSLT文件头部添加的DOCTYPE实体声明，作用范围仅限当前XSLT样式表本身，不会自动继承给传入Saxon处理的源XHTML文档。Saxon是在解析源文档阶段就遇到了没有定义的 实体，这一步还没开始执行XSLT逻辑，自然读不到你写在样式表里的实体定义，直接抛出错误。

• 直接修改源XHTML文档添加实体声明
  如果你有权限改动待转换的源文件，直接在源文件的XML声明之后、根节点之前补充实体定义即可，这是兼容性最好的方案：

  <?xml version="1.0" encoding="utf-8"?>
  <!DOCTYPE html [
    <!ENTITY nbsp "&#160;">
  ]>
  <!-- 后续保留原完整XHTML文档的全部内容即可 -->
  

  加上这段声明后Saxon解析源文档时就能识别 实体，不会再报错。
• 为Saxon配置自定义实体解析器
  如果不方便修改源文件，可以在初始化Saxon 9.9 PE的解析流程时注册自定义EntityResolver，当解析器遇到nbsp实体引用时，直接返回对应U+00A0非断空格字符即可，全程不需要改动源文件或样式表。
• 转换前做预处理替换
  在把源文档传入Saxon做XSLT转换前，先做一次轻量文本替换，把所有 直接替换为UTF-8编码的非断空格原生字符、或者字符引用 ，从根源上消除未定义实体，这种方案不依赖特定Saxon版本或配置，适配所有XSLT处理器。

注意：XML规范里实体声明的作用域是严格限定在当前解析的XML文件内的，不存在跨文件的实体声明继承，不要试图通过在样式表、其他第三方文件里加声明的方式解决源文档的实体缺失问题，这类写法从原理上就不会生效。

内容的提问来源于stack exchange，提问作者Diego Schiavon