XHTML文档上的Java - SAX解析器
我正在尝试为从web上下载的XHTML文档编写一个SAX解析器。一开始，我在doctype声明上遇到了问题(我从here那里发现这是因为W3C故意阻止对DTD的访问)，但我用以下命令修复了这个问题：
XMLReader reader = parser.getXMLReader();
reader.setFeature("http://apache.org/xml/features/disallow-doctype-decl",true);然而，现在我遇到了第二个问题。当到达XHTML文档中嵌入的某些Javascript时，SAX解析器会抛出异常：
<script type="text/javascript" language="JavaScript">
function checkForm() {
answer = true;
if (siw && siw.selectingSomething)
answer = false;
return answer;
}//
</script>具体来说，解析器在到达&&时抛出一个错误，因为它需要一个实体引用。确切的异常是：
`org.xml.sax.SAXParseException: The entity name must immediately follow the '&' in the entity reference.
at com.sun.org.apache.xerces.internal.util.ErrorHandlerWrapper.createSAXParseException(ErrorHandlerWrapper.java:198)
at com.sun.org.apache.xerces.internal.util.ErrorHandlerWrapper.fatalError(ErrorHandlerWrapper.java:177)
at com.sun.org.apache.xerces.internal.impl.XMLErrorReporter.reportError(XMLErrorReporter.java:391)
at com.sun.org.apache.xerces.internal.impl.XMLScanner.reportFatalError(XMLScanner.java:1390)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanEntityReference(XMLDocumentFragmentScannerImpl.java:1814)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl$FragmentContentDriver.next(XMLDocumentFragmentScannerImpl.java:3000)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentScannerImpl.next(XMLDocumentScannerImpl.java:624)
at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanDocument(XMLDocumentFragmentScannerImpl.java:486)
at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(XML11Configuration.java:810)
at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(XML11Configuration.java:740)
at com.sun.org.apache.xerces.internal.parsers.XMLParser.parse(XMLParser.java:110)
at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.parse(AbstractSAXParser.java:1208)
at com.sun.org.apache.xerces.internal.jaxp.SAXParserImpl$JAXPSAXParser.parse(SAXParserImpl.java:525)
at MLIAParser.readPage(MLIAParser.java:55)
at MLIAParser.main(MLIAParser.java:75)`我怀疑(但我不知道)如果我没有禁用DTD，那么我就不会得到这个错误。那么，如何避免DTD错误和实体引用错误呢？
干杯,
皮特
回答 3
Stack Overflow用户
发布于 2009-08-16 13:09:13
您试图解析的(X)HTML不是有效的XML (否则您不会得到SAX解析错误)。并且，一个双和号("&&")证实了这一点。这意味着不能单独使用普通的XML解析器来解析文档。
您可以使用一些工具，比如TagSoup，这些工具将生成适当的SAX事件(您可以像以前一样使用相同的SAX/XML解析代码)，但是TagSoup将负责将格式不佳的HTML事件映射到适当的SAX/XML事件。
Stack Overflow用户
发布于 2009-08-16 13:18:18
我认为您应该将脚本内容放在CDATA部分中，例如http://www.w3schools.com/TAGS/tag_script.asp给出了以下示例：
<script type="text/javascript"><![CDATA[
document.write("Hello World!")
//]]></script>Stack Overflow用户
发布于 2010-04-15 01:30:59
如果你把它当做XMLReader使用，NekoHTML可能也会帮你解决这个问题。
如果使用SAX过滤器，也可以在遇到startElement之后插入CDATA events，尽管这可能依赖于解析器，因为并不是所有解析器都支持LexicalHandler features。
https://stackoverflow.com/questions/1284251
复制相似问题
腾讯云开发者
