Java 读取为数字代码，而不是特殊字符

我有一个XML文件，由SAX解析器读取，存储到CSV中并导入数据库

在我的XML文件中，有一位作者的名字是：

Gü；海涅曼先生

如您所见，XML中的“ü”写为

&umml

line = line.replace("&", "&");
// Undo XML escapes:
String[] xmlTags = { "amp", "lt", "gt", "quot", "apos" };
for (String xmlTag : xmlTags) {
    line = line.replace("&" + xmlTag + ";", "&" + xmlTag + ";");
}

因此，是的，我需要将作者存储在数据库中。我不能把那个字符存储为“ü”。我需要将其存储为
&umml

但是，当我使用SAX解析器读取XML时，它一直以“ü”的形式读取，而不是
&umml
如何将Java存储为
&umml而不是“ü”

谢谢
它可能也很慢，因为可能读取了一个包含include的巨大HTML DTD。
但是，您需要将其作为单个符号，不允许使用AND（
&
）。HTMLDTD定义了数百个HTML实体名称，如
&perc（
%
）

DTD可以取自XML目录，即该HTML URL的脱机本地版本。然后可以更改实体。但这是太多的工作

我们可以做的是在解析器中安装自己的EntityHandler，以此类推。研究工作，相对容易

最简单的方法是将输入包装在您自己的InputStream/读取器中，例如用
替换
&
&，这将进行所需的替换

在XML中：
&；uuml而不是
ü

line = line.replace("&", "&");
// Undo XML escapes:
String[] xmlTags = { "amp", "lt", "gt", "quot", "apos" };
for (String xmlTag : xmlTags) {
    line = line.replace("&" + xmlTag + ";", "&" + xmlTag + ";");
}

使用的实用方法和

您可以使用下面代码的修改版本来捕获实体的开始和结束。由于解析器必须获取所有HTMLLatin1实体的声明，因此执行需要几秒钟。当您得到一个不是以
%
开头的实体时，您可以在
acc
缓冲区中替换插入的字符。注意预定义的实体，如
&

您还可以使用Sax过滤器自动执行作业。美国联邦法规。答复我可能会更新我的答案以提供完整的解决方案

import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.UnsupportedEncodingException;
import javax.xml.parsers.ParserConfigurationException;
import javax.xml.parsers.SAXParserFactory;
import org.xml.sax.*;
import org.xml.sax.ext.DefaultHandler2;

class MyHandler extends DefaultHandler2 {

    private StringBuilder acc;

    public MyHandler() {
        acc = new StringBuilder();
    }

    @Override
    public void startElement(String uri, String localName, String qName,
            Attributes atts) throws SAXException {
        System.out.printf("startElement. uri:%s, localName:%s, qName:%s\n", uri,     localName, qName);
        acc.setLength(0);
    }

    @Override
    public void endElement(String uri, String localName, String qName)
            throws SAXException {
        System.out.printf("endElement. uri:%s, localName:%s, qName:%s\n", uri,     localName, qName);
        System.out.printf("Characters accumulated: %s\n", acc.toString());
        acc.setLength(0);
    }

    @Override
    public void characters(char[] ch, int start, int length)
            throws SAXException {
        acc.append(ch, start, length);
        System.out.printf("characters. [%s]\n", new String(ch, start, length));
    }

    @Override
    public void startEntity(java.lang.String name)
            throws SAXException {
        System.out.printf("startEntity: %s\n", name);
    }

    @Override
    public void endEntity(java.lang.String name)
            throws SAXException {
        System.out.printf("endEntity: %s\n", name);
    }
}

public class SAXTest1 {

    public static void main(String args[]) throws SAXException,     ParserConfigurationException, UnsupportedEncodingException {
        String s = "<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n<!DOCTYPE author [\n<    !ELEMENT author (#PCDATA)>\n<!ENTITY % HTMLlat1 PUBLIC \"-//W3C//ENTITIES     Latin 1 for XHTML//EN\" \"http://www.w3.org/TR/xhtml1/DTD/xhtml-lat1.ent\">    \n%HTMLlat1;\n]>\n<author>G&uuml;nther Heinemann</author>";
        System.out.println(s);
        InputStream stream = new ByteArrayInputStream(s.getBytes("UTF-8"));

        SAXParserFactory factory = SAXParserFactory.newInstance();
        factory.setValidating(true);
        XMLReader xmlReader = factory.newSAXParser().getXMLReader();

        DefaultHandler2 handler = new MyHandler();
        xmlReader.setContentHandler(handler);
        xmlReader.setProperty(
                "http://xml.org/sax/properties/lexical-handler",
                handler);

        try {
            xmlReader.parse(new InputSource(stream));
        } catch (IOException e) {
            System.err.println("I/O error: " + e.getMessage());
        } catch (SAXException e) {
            System.err.println("Parsing error: " + e.getMessage());
        }
    }
}

import java.io.ByteArrayInputStream；
导入java.io.IOException；
导入java.io.InputStream；
导入java.io.UnsupportedEncodingException；
导入javax.xml.parsers.parserConfiguration异常；
导入javax.xml.parsers.SAXParserFactory；
导入org.xml.sax.*；
导入org.xml.sax.ext.DefaultHandler2；
类MyHandler扩展了DefaultHandler2{
私人建筑商协会；
公共MyHandler（）{
acc=新的StringBuilder（）；
}
@凌驾
public void startElement（字符串uri、字符串localName、字符串qName、，
属性（atts）引发SAXException{
System.out.printf（“startElement.uri:%s，localName:%s，qName:%s\n”，uri，localName，qName）；
acc.setLength（0）；
}
@凌驾
公共void endElement（字符串uri、字符串localName、字符串qName）
抛出SAX异常{
System.out.printf（“endElement.uri:%s，localName:%s，qName:%s\n”，uri，localName，qName）；
System.out.printf（“累积字符数：%s\n”，根据toString（））；
acc.setLength（0）；
}
@凌驾
公共无效字符（字符[]ch，整数开始，整数长度）
抛出SAX异常{
附件（通道、起点、长度）；
System.out.printf（“字符。[%s]\n”，新字符串（ch，start，length））；
}
@凌驾
public void startenty（java.lang.String名称）
抛出SAX异常{
System.out.printf（“起始状态：%s\n”，名称）；
}
@凌驾
公共void属性（java.lang.String名称）
抛出SAX异常{
System.out.printf（“属性：%s\n”，名称）；
}
}
公共类SAXDest1{
公共静态void main（字符串args[]）引发SAXException、ParserConfiguration异常、UnsupportedEncodingException{
字符串s=“\n\n\n%htmlata1；\n]>\nGü；nther Heinemann”；
系统输出打印项次；
InputStream=新的ByteArrayInputStream（s.getBytes（“UTF-8”）；
SAXParserFactory=SAXParserFactory.newInstance（）；
工厂设置验证（true）；
XMLReader=factory.newSAXParser（）.getXMLReader（）；
DefaultHandler2 handler=新的MyHandler（）；
setContentHandler（handler）；
xmlReader.setProperty(
"http://xml.org/sax/properties/lexical-handler",
经办人）；
试一试{
parse（新输入源（流））；
}捕获（IOE异常）{
System.err.println（“I/O错误：+e.getMessage（））；
}捕获（SAXE异常）{
System.err.println（“解析错误：+e.getMessage（））；
}
}
}

程序执行：

$ java SAXTest1
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE author [
<!ELEMENT author (#PCDATA)>
<!ENTITY % HTMLlat1 PUBLIC "-//W3C//ENTITIES Latin 1 for XHTML//EN" "http://www.w3.    org/TR/xhtml1/DTD/xhtml-lat1.ent">
%HTMLlat1;
]>
<author>G&uuml;nther Heinemann</author>
startEntity: %HTMLlat1
endEntity: %HTMLlat1
startElement. uri:, localName:, qName:author
characters. [G]
startEntity: uuml
endEntity: uuml
characters. [ünther Heinemann]
endElement. uri:, localName:, qName:author
Characters accumulated: Günther Heinemann

$java SAXTest1
%HTMLAT1；
]>
Gü；海涅曼
起始日期：%1
亲密度：%1
startElement。uri:，localName:，qName:作者
人物。[G]
起始性：uuml
亲和力：uuml
人物。[ünther Heinemann]
可爱。uri:，localName:，qName:作者
累积字符：Günther Heinemann
unescapeXml（）
是否做了与OP要求相反的事情？我会尝试。实际上我自己没有尝试过这些，但根据文档，
escapeXml（）
和
unescapeXml（）
只支持五个内置XML实体。为了将
u
转换为
ü，似乎您必须使用
escapeHtml（）
。还有一件事：在Apache Commons Lang的最新版本（3.1）中，我注意到API中有一些更改。例如，
escapeHtml（）
已成为。的可能重复项