`-：55:HTML解析器错误：HtmlParserEntityRef:应为''；`：用xmllint清理HTML文件？

我想从上面的URL清理文件。但是xmllint给出了以下错误。有人知道如何解决这个问题吗？谢谢

$ xmllint -html -xmlout file.html
-:55: HTML parser error : htmlParseEntityRef: expecting ';'
ges/dh-img.jpg"><A href="../common_item.aspx?parent_id=20070610225413001&menu_id
                                                                               ^
-:55: HTML parser error : htmlParseEntityRef: expecting ';'
on_item.aspx?parent_id=20070610225413001&menu_id=20070610225740001&is_three_menu
                                                                               ^
-:55: HTML parser error : htmlParseEntityRef: expecting ';'
ges/dh-img.jpg"><A href="../common_item.aspx?parent_id=20070610225449001&menu_id
                                                                               ^
-:55: HTML parser error : htmlParseEntityRef: expecting ';'
on_item.aspx?parent_id=20070610225449001&menu_id=20171222045531778&is_three_menu
                                                                               ^
-:55: HTML parser error : htmlParseEntityRef: expecting ';'
ges/dh-img.jpg"><A href="../common_item.aspx?parent_id=20070610225428001&menu_id
                                                                               ^
-:55: HTML parser error : htmlParseEntityRef: expecting ';'
...

$xmllint-html-xmlout file.html
-：55:HTML解析器错误：HtmlParserEntityRef:应为“；”
ges/dh img.jpg“>这似乎是带有查询参数的URL中使用的符号和字符的问题，xmllint希望将其解释为实体引用，然后对此进行投诉，因为XML中的实体引用必须以分号字符终止（与SGML不同，在SGML中，仅当后续字符是名称字符时才需要分号）。您可以尝试xmllint的“-noent”选项，但我不认为可以告诉xmllint忽略实体引用，并建议使用另一种工具将HTML转换为XML，如“sgmlproc”“如my.中所述，其中详细讨论了如何处理符号和字符，包括使用HTML DTD，其中声明了href和其他URL类型的属性，从而无法识别任何实体引用

很抱歉回答得太长和自我提升，但我知道没有更好的解决方案可以解决您的问题。我原本打算将此作为一个注释，但空间不足。
您能告诉我运行它的确切命令吗？我尝试了
sgmlproc--o 1.html view\u abstract.aspx\？file\u no\=gc19010159\&flag\=1
。但是它挂在那里。啊，您的文件有自己的功能own DOCTYPE（sgmlproc不挂起，但无法下载引用的实体）。无论如何，它不是有效的XHTML。我将DOCTYPE替换为
（其中
about:legacy compat
指的是内置在
sgmlproc
中的HTML5.2声明。现在
sgmlproc
抱怨第76行中的
B
结束元素标记。移除没有匹配开始标记的杂散
。还移除文件中的所有
nowrap
标记，并移除伪
scr。）ipt
元素。然后
sgmlproc
仍将输出错误，但不会产生致命错误，并创建1.xml。另外一件事：将文件重命名为具有.html后缀，否则sgmlproc将无法识别预定义的html字符实体。此外，还应使用
-v output\u format=xml
（在
--
之前）创建XML（另请参阅链接教程中有关创建正确的XHTML的详细讨论）。我不想对原始文件进行任何手动更改，因为我将有任何有错误的文件。您能告诉我修复错误的确切命令吗？抱歉，该文件太坏，无法自动修复（当它甚至没有一个根元素、包含不平衡元素等时，就声称是XHTML）