使用jackson的xml转换对象工具类时,xml里面有特殊字符,jackson识别转换失败,报错!!!
According to XML, XML processors are not guaranteed to process the external DTD subset referenced in the DOCTYPE. This means, for example, that using entity references for characters in XML documents is unsafe if they are defined in an external file (except for <, >, &, ", and ').
https://blog.csdn.net/liu_jiachen/article/details/127614730
遇到特殊字符,肯定就需要先转换成jackson能够识别的文字,那么经过百度,找到一个工具类
StringEscapeUtils.unescapeXml
这个工具类可以直接讲特殊的字符,转换为UTF-8格式的文本。
这个Util有坑啊!!!
不论是用它提供的那个方法,都是报Undeclared general entity "mdash"这个错,你以为是这个问题,其实你已经被它误导了。
mdash这个其实没有转换成功!!!
那么怎么做呢?
直接复制StringEscapeUtils的代码,自己改改,它就行了。
高兴!!!
<dependency>
<groupId>org.apache.commonsgroupId>
<artifactId>commons-textartifactId>
<version>1.9version>
dependency>
public class StringEscapeUtils2 {
public static final CharSequenceTranslator UNESCAPE_XML;
public StringEscapeUtils2() {
}
public static Builder builder(CharSequenceTranslator translator) {
return new Builder(translator);
}
public static final String unescapeXml(String input) {
return UNESCAPE_XML.translate(input);
}
static {
UNESCAPE_XML = new AggregateTranslator(new CharSequenceTranslator[]{
new LookupTranslator(EntityArrays2.BASIC_UNESCAPE),
new NumericEntityUnescaper(new NumericEntityUnescaper.OPTION[0])});
}
public static final class Builder {
private final StringBuilder sb;
private final CharSequenceTranslator translator;
private Builder(CharSequenceTranslator translator) {
this.sb = new StringBuilder();
this.translator = translator;
}
public Builder escape(String input) {
this.sb.append(this.translator.translate(input));
return this;
}
public Builder append(String input) {
this.sb.append(input);
return this;
}
public String toString() {
return this.sb.toString();
}
}
}
public class EntityArrays2 {
public static final Map<CharSequence, CharSequence> BASIC_ESCAPE;
public static final Map<CharSequence, CharSequence> BASIC_UNESCAPE;
public EntityArrays2() {
}
public static Map<CharSequence, CharSequence> invert(Map<CharSequence, CharSequence> map) {
Map<CharSequence, CharSequence> newMap = new HashMap();
Iterator var2 = map.entrySet().iterator();
while(var2.hasNext()) {
Map.Entry<CharSequence, CharSequence> pair = (Map.Entry)var2.next();
newMap.put(pair.getValue(), pair.getKey());
}
return newMap;
}
static {
Map<CharSequence, CharSequence> initialMap = new HashMap();
initialMap.put(" ", " ");
initialMap.put("¡", "¡");
initialMap.put("¢", "¢");
initialMap.put("£", "£");
initialMap.put("¤", "¤");
initialMap.put("¥", "¥");
initialMap.put("¦", "¦");
initialMap.put("§", "§");
initialMap.put("¨", "¨");
initialMap.put("©", "©");
initialMap.put("ª", "ª");
initialMap.put("«", "«");
initialMap.put("¬", "¬");
initialMap.put("®", "®");
initialMap.put("¯", "¯");
initialMap.put("°", "°");
initialMap.put("±", "±");
initialMap.put("²", "²");
initialMap.put("³", "³");
initialMap.put("´", "´");
initialMap.put("µ", "µ");
initialMap.put("¶", "¶");
initialMap.put("·", "·");
initialMap.put("¸", "¸");
initialMap.put("¹", "¹");
initialMap.put("º", "º");
initialMap.put("»", "»");
initialMap.put("¼", "¼");
initialMap.put("½", "½");
initialMap.put("¾", "¾");
initialMap.put("¿", "¿");
initialMap.put("À", "À");
initialMap.put("Á", "Á");
initialMap.put("Â", "Â");
initialMap.put("Ã", "Ã");
initialMap.put("Ä", "Ä");
initialMap.put("Å", "Å");
initialMap.put("Æ", "Æ");
initialMap.put("Ç", "Ç");
initialMap.put("È", "È");
initialMap.put("É", "É");
initialMap.put("Ê", "Ê");
initialMap.put("Ë", "Ë");
initialMap.put("Ì", "Ì");
initialMap.put("Í", "Í");
initialMap.put("Î", "Î");
initialMap.put("Ï", "Ï");
initialMap.put("Ð", "Ð");
initialMap.put("Ñ", "Ñ");
initialMap.put("Ò", "Ò");
initialMap.put("Ó", "Ó");
initialMap.put("Ô", "Ô");
initialMap.put("Õ", "Õ");
initialMap.put("Ö", "Ö");
initialMap.put("×", "×");
initialMap.put("Ø", "Ø");
initialMap.put("Ù", "Ù");
initialMap.put("Ú", "Ú");
initialMap.put("Û", "Û");
initialMap.put("Ü", "Ü");
initialMap.put("Ý", "Ý");
initialMap.put("Þ", "Þ");
initialMap.put("ß", "ß");
initialMap.put("à", "à");
initialMap.put("á", "á");
initialMap.put("â", "â");
initialMap.put("ã", "ã");
initialMap.put("ä", "ä");
initialMap.put("å", "å");
initialMap.put("æ", "æ");
initialMap.put("ç", "ç");
initialMap.put("è", "è");
initialMap.put("é", "é");
initialMap.put("ê", "ê");
initialMap.put("ë", "ë");
initialMap.put("ì", "ì");
initialMap.put("í", "í");
initialMap.put("î", "î");
initialMap.put("ï", "ï");
initialMap.put("ð", "ð");
initialMap.put("ñ", "ñ");
initialMap.put("ò", "ò");
initialMap.put("ó", "ó");
initialMap.put("ô", "ô");
initialMap.put("õ", "õ");
initialMap.put("ö", "ö");
initialMap.put("÷", "÷");
initialMap.put("ø", "ø");
initialMap.put("ù", "ù");
initialMap.put("ú", "ú");
initialMap.put("û", "û");
initialMap.put("ü", "ü");
initialMap.put("ý", "ý");
initialMap.put("þ", "þ");
initialMap.put("ÿ", "ÿ");
initialMap.put("ƒ", "ƒ");
initialMap.put("Α", "Α");
initialMap.put("Β", "Β");
initialMap.put("Γ", "Γ");
initialMap.put("Δ", "Δ");
initialMap.put("Ε", "Ε");
initialMap.put("Ζ", "Ζ");
initialMap.put("Η", "Η");
initialMap.put("Θ", "Θ");
initialMap.put("Ι", "Ι");
initialMap.put("Κ", "Κ");
initialMap.put("Λ", "Λ");
initialMap.put("Μ", "Μ");
initialMap.put("Ν", "Ν");
initialMap.put("Ξ", "Ξ");
initialMap.put("Ο", "Ο");
initialMap.put("Π", "Π");
initialMap.put("Ρ", "Ρ");
initialMap.put("Σ", "Σ");
initialMap.put("Τ", "Τ");
initialMap.put("Υ", "Υ");
initialMap.put("Φ", "Φ");
initialMap.put("Χ", "Χ");
initialMap.put("Ψ", "Ψ");
initialMap.put("Ω", "Ω");
initialMap.put("α", "α");
initialMap.put("β", "β");
initialMap.put("γ", "γ");
initialMap.put("δ", "δ");
initialMap.put("ε", "ε");
initialMap.put("ζ", "ζ");
initialMap.put("η", "η");
initialMap.put("θ", "θ");
initialMap.put("ι", "ι");
initialMap.put("κ", "κ");
initialMap.put("λ", "λ");
initialMap.put("μ", "μ");
initialMap.put("ν", "ν");
initialMap.put("ξ", "ξ");
initialMap.put("ο", "ο");
initialMap.put("π", "π");
initialMap.put("ρ", "ρ");
initialMap.put("ς", "ς");
initialMap.put("σ", "σ");
initialMap.put("τ", "τ");
initialMap.put("υ", "υ");
initialMap.put("φ", "φ");
initialMap.put("χ", "χ");
initialMap.put("ψ", "ψ");
initialMap.put("ω", "ω");
initialMap.put("ϑ", "ϑ");
initialMap.put("ϒ", "ϒ");
initialMap.put("ϖ", "ϖ");
initialMap.put("•", "•");
initialMap.put("…", "…");
initialMap.put("′", "′");
initialMap.put("″", "″");
initialMap.put("‾", "‾");
initialMap.put("⁄", "⁄");
initialMap.put("℘", "℘");
initialMap.put("ℑ", "ℑ");
initialMap.put("ℜ", "ℜ");
initialMap.put("™", "™");
initialMap.put("ℵ", "ℵ");
initialMap.put("←", "←");
initialMap.put("↑", "↑");
initialMap.put("→", "→");
initialMap.put("↓", "↓");
initialMap.put("↔", "↔");
initialMap.put("↵", "↵");
initialMap.put("⇐", "⇐");
initialMap.put("⇑", "⇑");
initialMap.put("⇒", "⇒");
initialMap.put("⇓", "⇓");
initialMap.put("⇔", "⇔");
initialMap.put("∀", "∀");
initialMap.put("∂", "∂");
initialMap.put("∃", "∃");
initialMap.put("∅", "∅");
initialMap.put("∇", "∇");
initialMap.put("∈", "∈");
initialMap.put("∉", "∉");
initialMap.put("∋", "∋");
initialMap.put("∏", "∏");
initialMap.put("∑", "∑");
initialMap.put("−", "−");
initialMap.put("∗", "∗");
initialMap.put("√", "√");
initialMap.put("∝", "∝");
initialMap.put("∞", "∞");
initialMap.put("∠", "∠");
initialMap.put("∧", "∧");
initialMap.put("∨", "∨");
initialMap.put("∩", "∩");
initialMap.put("∪", "∪");
initialMap.put("∫", "∫");
initialMap.put("∴", "∴");
initialMap.put("∼", "∼");
initialMap.put("≅", "≅");
initialMap.put("≈", "≈");
initialMap.put("≠", "≠");
initialMap.put("≡", "≡");
initialMap.put("≤", "≤");
initialMap.put("≥", "≥");
initialMap.put("⊂", "⊂");
initialMap.put("⊃", "⊃");
initialMap.put("⊄", "⊄");
initialMap.put("⊆", "⊆");
initialMap.put("⊇", "⊇");
initialMap.put("⊕", "⊕");
initialMap.put("⊗", "⊗");
initialMap.put("⊥", "⊥");
initialMap.put("⋅", "⋅");
initialMap.put("⌈", "⌈");
initialMap.put("⌉", "⌉");
initialMap.put("⌊", "⌊");
initialMap.put("⌋", "⌋");
initialMap.put("〈", "〈");
initialMap.put("〉", "〉");
initialMap.put("◊", "◊");
initialMap.put("♠", "♠");
initialMap.put("♣", "♣");
initialMap.put("♥", "♥");
initialMap.put("♦", "♦");
initialMap.put("Œ", "Œ");
initialMap.put("œ", "œ");
initialMap.put("Š", "Š");
initialMap.put("š", "š");
initialMap.put("Ÿ", "Ÿ");
initialMap.put("ˆ", "ˆ");
initialMap.put("˜", "˜");
initialMap.put(" ", " ");
initialMap.put(" ", " ");
initialMap.put(" ", " ");
initialMap.put("–", "–");
initialMap.put("—", "—");
initialMap.put("‘", "‘");
initialMap.put("’", "’");
initialMap.put("‚", "‚");
initialMap.put("“", "“");
initialMap.put("”", "”");
initialMap.put("„", "„");
initialMap.put("†", "†");
initialMap.put("‡", "‡");
initialMap.put("‰", "‰");
initialMap.put("‹", "‹");
initialMap.put("›", "›");
initialMap.put("€", "€");
initialMap.put(""", """);
initialMap.put("&", "&");
initialMap.put("<", "<");
initialMap.put(">", ">");
BASIC_ESCAPE = Collections.unmodifiableMap(initialMap);
BASIC_UNESCAPE = Collections.unmodifiableMap(invert(BASIC_ESCAPE));
}
}
回过头看,到底是哪里出问题呢?其实就是StringEscapeUtils还包了一层特殊字符转换,而这一层不是我们想要的。并且,< > 这两个特殊字符,一定要转换成十进制哦,不然你一定会遇到另外一个错误信息。(笑)
https://html.spec.whatwg.org/#named-character-references
https://html.spec.whatwg.org/entities.json
https://blog.csdn.net/seven_zhao/article/details/17347695