使用MarkLogic插入XML时，如何保留十六进制字符实体？

首先得明确问题核心：MarkLogic遵循XML规范，在解析XML文档时会自动解析所有字符实体，将其转换为对应的Unicode字符。当你后续导出文档时，默认序列化也会直接输出这些Unicode字符，而非原始的实体格式。要保留实体，得从存储或序列化的环节入手，以下是几种实用解决方案：

方法1：以二进制格式存储文档 #

如果你的XML不需要MarkLogic做结构化查询、索引这类处理，直接把它当作纯二进制文件存储是最简单的方式。这样MarkLogic不会解析XML内容，所有原始字符实体都会原封不动保留。

用xdmp:document-insert时指定格式为binary即可：

xdmp:document-insert(
  "/your/doc/path.xml",
  xdmp:binary(xdmp:quote($your-xml-content)),
  (),
  "binary"
)

后续下载时，你拿到的就是和原始文档完全一致的内容，包括所有十六进制实体。

方法2：用CDATA段包裹实体内容 #

如果还需要MarkLogic处理XML的结构，但要保留实体，可以把包含实体的文本放在CDATA段里。XML解析器会跳过CDATA内部的内容解析，所以实体不会被转换：

修改你的XML节点为：

<copyright-holder><![CDATA[&#x00A9; 2015 &#x2014; All rights reserved &#x00A9; Standards Australia Limited]]></copyright-holder>

注意：这种方式下，CDATA里的内容会被当作纯文本节点，如果你需要对这段内容做全文检索或文本处理，可能需要额外的逻辑来处理CDATA。

方法3：自定义序列化参数（导出时还原实体） #

如果需要保留XML的结构化存储，同时在导出时让实体显示出来，可以通过自定义序列化选项来实现。你可以指定字符映射，把特定Unicode字符转回对应的十六进制实体：

比如用xdmp:serialize时配置字符映射：

let $entity-map := map:map()
let $_ := map:put($entity-map, "©", "©")
let $_ := map:put($entity-map, "—", "—")
return xdmp:serialize(
  doc("/your/doc/path.xml"),
  <options xmlns="xdmp:serialize">
    <character-map>{$entity-map}</character-map>
    <method>xml</method>
  </options>
)

这种方法适合需要兼顾XML结构处理和实体输出的场景，灵活性很高。

方法4：预转义实体的&符号 #

在插入文档前，把实体中的&转义为&，这样XML解析器会把©解析成文本节点©，而不是转换为©：

修改原始XML为：

<copyright-holder>&amp;#x00A9; 2015 &amp;#x2014; All rights reserved &amp;#x00A9; Standards Australia Limited</copyright-holder>

插入后，文档中的文本内容就是©，后续导出序列化时就会输出这个实体格式的文本。

内容的提问来源于stack exchange，提问作者Navin Rawat