Java解析含HTML字符实体的XML失败，求通用实体声明方案

没错，你完全可以通过声明通用实体来避免这个Wstx解析异常。

原因很简单：XML规范里只预定义了少数几个实体（比如<、>、&这些），像 这类HTML专属的实体并不在XML的默认识别列表里，所以解析器碰到它时就会抛出「未声明通用实体」的错误。

具体的解决方法是在XML的DOCTYPE部分手动声明这个实体，把它映射到对应的Unicode字符引用。举个实际的例子：

<!DOCTYPE yourRootElement [
    <!ENTITY ensp "&#x2002;">
]>
<yourRootElement>
    <!-- 现在就能正常使用&ensp;了 -->
    示例文本&ensp;包含半角空格
</yourRootElement>

这里的 就是 对应的十六进制Unicode编码，解析器看到这个声明后，就会把文档里的 替换成对应的字符，自然就不会报错了。

额外提两个小建议：

• 如果你需要用到多个HTML实体，得逐个声明对应的实体；当然也可以引用包含这些实体的公共DTD，但如果是离线环境的话可能会有访问问题，手动声明反而更可靠。
• 另一种替代方案是在解析前把所有HTML实体替换成对应的Unicode引用，但从XML规范的角度来说，声明通用实体是更规范的做法。

内容的提问来源于stack exchange，提问作者Bibek Shakya