JavaScript DOMParser解析XML时属性值被自动转义修改问题求解

这不是解析器的bug，是XML规范定义的标准行为：XML解析器在处理实体引用时，会递归解码所有合法的实体序列，直到内容里不存在可解析的实体为止。
你当前传入的XML字符串里，属性值做了多层冗余转义：比如你写的&，第一层解析会把最外层的&解析为&，得到&，解析器会继续识别这层实体，再解码一次得到&，这就是你最终拿到的返回值和原始字符串里写的转义序列不一致的核心原因——本质是你生成XML时的转义层级不符合你的存储预期，而非解析逻辑出错。

• 优先修正上游XML生成逻辑：如果你希望解析后拿到的属性值就是包含"/&这类转义序列的文本，生成XML时只需要对原始文本做1次标准XML实体转义即可。举个例子，假设你要存储的原始title文本是`~!@#$%^&*()_-+={}|\][:";'<>,./_æåøÆÅØ_色，只需要把文本里的&转成&、"转成"、<转成<、>转成>、'转成'，最终写入XML的title属性内容应该是`~!@#$%^&*()_-+={}|\][:";'<>,./_æåøÆÅØ_色，去掉多余的两层转义，解析后就能拿到你预期的内容。
• 无法修改上游生成逻辑时，手动补回转义：你当前的场景里原始XML多做了2次实体转义，解析拿到返回值后，对返回值做1次标准XML实体转义（把&替换为&，<替换为<，>替换为>，"替换为"，'替换为'），就能还原回你原始字符串里书写的属性文本。这个方案仅适合你明确知道多余转义层级的场景，否则容易出现转义错误。

如果你的需求是100%保留XML字符串里书写的原始字面内容，完全不希望做任何实体解码，不要使用标准XML解析器处理，可选择以下方案：

• 正则直接提取属性原始值：在XML格式完全可控、不会出现属性值嵌套引号、属性换行这类特殊情况时，可以用正则直接截取属性引号包裹的原始字符串，不做任何转义处理，示例代码如下：

// 提取双引号包裹的title属性原始值
const matchResult = xmlString.match(/\stitle="([^"]*)"/);
const rawTitle = matchResult ? matchResult[1] : '';

这个方案性能高、实现简单，但容错性差，XML格式不规范时容易匹配失败。

• 自定义简单扫描逻辑：如果需要提取的属性较多、XML结构固定，可以实现轻量的逐字符扫描逻辑，用状态机标记当前扫描位置是标签内、属性名、属性值区域，在扫描到目标属性时直接读取原始字符序列，跳过所有实体解码步骤，就能拿到完全和原始字符串一致的内容。

注意：标准Web环境下的DOMParser没有提供关闭实体递归解码的配置项，所有符合W3C标准的XML解析器都会默认执行实体解析逻辑，不要在这个方向上浪费时间尝试配置修改。

内容的提问来源于stack exchange，提问作者Drageild07