Java实现XML特殊字符按需转义:仅处理未转义的特殊字符
Java 实现仅转义未处理XML特殊字符的兼容方案
核心问题说明
直接使用Apache Commons Text提供的StringEscapeUtils执行全量XML转义时,会对已经完成转义的实体片段产生二次转义问题——比如把原有合法的&转成&,完全破坏原有正确的转义内容,无法满足“已转义内容不修改、仅对未转义的裸特殊字符执行转义”的业务要求。
实现核心思路
跳过所有已经识别到的合法XML转义实体,仅对非实体片段执行标准转义逻辑,从根源上避免二次处理:
- 提前定义正则规则,精准匹配所有标准XML已完成转义的实体序列(
&、<、>、"、') - 将原字符串按匹配到的实体位置拆分为「受保护的已转义片段」和「需要检查的普通文本片段」两类
- 对普通文本片段调用
StringEscapeUtils的标准XML转义方法处理,将裸的特殊字符转为对应实体 - 将处理后的普通片段与受保护的已转义片段按原顺序拼接为最终结果
完整代码实现
import org.apache.commons.text.StringEscapeUtils; import java.util.regex.Matcher; import java.util.regex.Pattern; public class SmartXmlEscapeUtil { // 匹配所有合法XML转义实体,命中的片段不做二次修改 private static final Pattern VALID_ESCAPED_ENTITY = Pattern.compile("&(amp|lt|gt|quot|apos);"); public static String smartXmlEscape(String rawInput) { if (rawInput == null || rawInput.isEmpty()) { return rawInput; } Matcher matcher = VALID_ESCAPED_ENTITY.matcher(rawInput); StringBuilder output = new StringBuilder(); int cursor = 0; while (matcher.find()) { // 处理光标到当前实体位置之前的普通文本,执行转义检查 int entityStart = matcher.start(); String plainSegment = rawInput.substring(cursor, entityStart); output.append(StringEscapeUtils.escapeXml10(plainSegment)); // 原样保留已转义的实体片段 output.append(matcher.group()); // 移动光标到当前实体的结束位置 cursor = matcher.end(); } // 处理最后一段剩余的普通文本 String tailSegment = rawInput.substring(cursor); output.append(StringEscapeUtils.escapeXml10(tailSegment)); return output.toString(); } }
场景适配验证
两个业务场景的实际处理结果如下:
- 场景1输入:
This is XML example escape special characters & already
处理逻辑:正则命中&为受保护片段,无需要转义的裸特殊字符
输出结果:与输入完全一致,无任何修改 - 场景2输入:
This is XML example not escape special characters &
处理逻辑:孤立的&不满足合法实体的匹配规则,属于普通文本片段,被转义为&
输出结果:This is XML example not escape special characters &
注意事项
- 正则匹配时必须携带实体结尾的分号,避免将孤立的
&、不完整的&am这类非实体片段误判为已转义内容,造成漏处理 - 适配XML 1.1场景时,只需要在正则的实体列表中补充XML 1.1支持的特殊转义项,同时将转义方法替换为
StringEscapeUtils.escapeXml11即可 - 代码已兼容空输入、null输入的边界场景,不会抛出空指针异常
内容的提问来源于stack exchange,提问作者salman irfan khandu
相关产品推荐
相关产品推荐

