Java XML Parsing：避免实体引用解析

我目前正在使用DOM解析器解析XHTML文档,例如：

final DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setValidating(false);

final DocumentBuilder db = dbf.newDocumentBuilder();
db.setEntityResolver(MY_ENTITY_RESOLVER);
db.setErrorHandler(MY_ERROR_HANDLER);
...
final Document doc = db.parse(inputSource);

我的问题是,当我的文档包含实体引用时,例如：

<p>&euro;</p>

我的解析器为该内容创建一个Text节点,其中包含“€”而不是“& euro;”.也就是说,它正在以它应该的方式解析实体(XHTML 1.0 Strict DTD链接到ENTITIES latin1 DTD,后者又建立了“& euro;”与“€”的等价性).

问题是,我不希望解析器做这样的事情.我想保留“& euro;”文本未经修改.

我已经尝试过了：

final DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
dbf.setExpandEntityReferences(false);

但：

>我不喜欢这个,因为我担心这可能会使一些解析器实现无法从XHTML 1.0 Strict DTD导航到ENTITIES latin1 DTD,因此不会考虑“& euro;”作为声明的实体.
>当我这样做时,它奇怪地创建了两个节点：一个“磅”实体节点,以及一个带有“€”符号的Text节点.

有任何想法吗？是否可以在DOM Parser中配置它,而无需预先处理XHTML并替换所有“&”其他东西的符号？…

解决方案可以是DOM解析器,也可以是SAX解析器,我不介意使用SAX解析,然后使用转换创建我的DOM …

此外,我无法切换到非标准的XML解析库.没有jdom,没有jsoup,没有HtmlCleaner等.

非常感谢.

解决方法:

我采用的方法是用Xerces作为纯文本处理的唯一标记替换任何实体.转换为Document对象后,标记将替换为Entity Reference对象.

请参阅http://sourceforge.net/p/commonclasses/code/14/tree/trunk/src/com/redhat/ecs/commonutils/XMLUtilities.java中的convertStringTodocument()函数