Echec de l'analyse avec SAX en raison du caractère '&' en HTML

Question

J'ai essayé d'analyser un document XML (HMTL en fait, mais cela n'a pas d'importance) en Java avec org.jdom2.input.SAXBuilder.

Le document contient une ligne avec une URL:

< link rel ="something" href="http://...&pg=2..." />; 

Le problème est, il devrait avoir un point-virgule (;) après cela, si &pg devient un symbole, et SAXBuilder donne une erreur à cause de cela (pas de point-virgule après & pg trouvé).

Existe-t-il une option d'analyse pour que SAX n'interprète pas le caractère & comme un symbole, mais comme une chaîne normale?

La différence est, je ne veux pas Parse caractère spécial, je veux analyser les caractères &somethingcomme ils sont, il doit l'être par défaut en fait, et le principal problèmeest une exception lancé par la classe Java

org.jdom2.input.SAXBuilder 

Answer 1

& est un caractère XML spécial. Vous auriez besoin d'échapper à & ampamp; ou l'enrouler autour de la balise CDATA [].

J'ai essayé d'analyser un document XML (HMTL en fait, mais cela ne la matière) en java

Peu importe! Si vous utilisez un éditeur XML pour valider la source HTML . Se plaint-il du même problème? Est-ce que le XML est bien formé? Gardez à l'esprit que de nombreuses sources HTML ne sont pas bien formées au format XML. Si vous voulez analyser HTML, je suggère d'utiliser l'analyseur HTML. J'ai utilisé JSoup (open source) api pour analyser HTML dans plusieurs de mes projets.