yilin 的程式日記: [C#][Java] 處理讀取 XML 時發生的 The entity "xxx" was referenced, but not declared 例外

在XML的應用上, 有時會處理到一些無預期的資料, 例如以下的 sample:

<?xml version="1.0" encoding="UTF-8" ?>
<message>
  <from>yilin</from>
  <content>copyright &copy; 2008  Power by Test site</content>
<message>

<content>標籤的內容可能是別人給的, 如果此時字串中包含了一些以 Entity Name 所表示的字元符號(ex:   , © , etc) .
程式在讀入這些 XML 資料時, 將會因為不知如何轉換這些符號, 而產生以下的 Exception:

The entity "xxx" was referenced, but not declared. (參考了未宣告的實體 'xxx')
- 其中, xxx表示 Entity Name (copy, yen, etc)

網路有一種解法是在 XML 中宣告 Html 的 DOCTYPE :
例如:

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" 
  "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<message>
  <from>yilin</from>
  <content>copyright &copy; 2008  Power by Test site</content>
</message>

將 XML 改成上述的樣子後, 錯誤訊息將會因為該網址無法讀取, 而改為:

Server returned HTTP response code: 503 for URL: http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd (遠端伺服器傳回一個錯誤: (503) 伺服器無法使用)

為了解決此 503 問題, 可能又要翻遍網路去找解法.
找到解法後, 可能又會因為 XML 中出現了新的 Entity Name , 且未在原先宣告的 DOCTYPE 中, 因而產生一開始的錯誤, 最後陷入 DOCTYPE 和 ENTITY 無止盡的循環中.
所以我後來放棄這樣的作法, 主要原因在於我無法預期會收到哪一種 Entity Name , 所以也無法填入相對應的 DOCTYPE .
若是建立一個自己的 XML Resolver , 又會擔心處理上過於複雜.
最後我的作法是不在 XML 中新增其他的宣告, 僅將所有的 & 換為 & , 做法如下：

C#:

XmlDocument doc = new XmlDocument();
string strXmlContent = File.ReadAllText(@"C:\test.xml");
doc.LoadXml(strXmlContent.Replace("&", "&amp;"));

Java:

String strXmlFile = "C:\\test.xml";
BufferedReader br = new BufferedReader(new FileReader(new File(strXmlFile)));
StringBuffer sb = new StringBuffer();
String line;
while ((line = br.readLine()) != null) {
  sb.append(line);
}
br.close();
StringReader sr = new StringReader(sb.toString().replaceAll("&", "&amp;"));
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
DocumentBuilder db = dbf.newDocumentBuilder();
Document doc = db.parse(new InputSource(sr));
sr.close();

yilin 的程式日記

2010/08/06

[C#][Java] 處理讀取 XML 時發生的 The entity "xxx" was referenced, but not declared 例外

沒有留言: