我的 XSLT 转换几个月来一直很成功，直到我遇到一个带有 Unicode 字符(很可能是表情符号)的 XML 文件。我需要保留 Unicode，但 XSLT 正在将其转换为 HTML 实体。我认为将编码设置为 UTF-8 可以解决我的问题，但我仍然遇到问题。

感谢任何帮助。代码:

private byte[] transform(InputStream stream) throws Exception{
    System.setProperty("javax.xml.transform.TransformerFactory", "org.apache.xalan.processor.TransformerFactoryImpl"); 

    Transformer xmlTransformer;

    xmlTransformer = (TransformerImpl) TransformerFactory.newInstance().newTransformer(new   StreamSource(createXsltStylesheet()));
    xmlTransformer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");

    XMLStreamReader reader = XMLInputFactory.newInstance().createXMLStreamReader(stream,"UTF-8");
    Source staxSource = new StAXSource(reader, true); 
    ByteArrayOutputStream outputStream = new ByteArrayOutputStream();
    Writer writer = new OutputStreamWriter(outputStream, "UTF-8");
    xmlTransformer.transform(staxSource, new StreamResult(writer));


    return outputStream.toByteArray();
}

如果我添加

xmlTransformer.setOutputProperty(OutputKeys.METHOD, "text");

保留 Unicode 但不保留 XML。

最佳答案

我刚刚遇到了同样的问题，经过长时间的研究，我得出了以下结论。

Java XSLT 处理器将多字节 UTF-8 字符转义为 HTML 实体即使输出模式是 XML...如果多字节字符出现在未包含在 CDATA 中的 text() 节点中。 如果字符包裹在 CDATA 中(用于输出)，多字节字符将保留。

我的问题:

我有一个看起来像这样的 xml 文件，带有表情符号。

<events>
    <event>
       <id>RANDOMID</id>
       <blah>
          <blahId>FOOONE</blahId>
       </blah>
       <blah>
          <blahId>FOOTWO</blahId>
       </blah>
       <eventComment>Did some things. Had some Fun. ?</eventComment>
    </event>
</events>

我从一个看起来像这样的 XSL 样式表开始:

<xsl:stylesheet version="1.0"
                xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
                xmlns="http://www.w3.org/TR/xhtml1/strict"
>
    <xsl:output method = "xml" version="1.0" encoding = "UTF-8" omit-xml-declaration="no" indent="yes" />

    <xsl:template match="/">
        <events>
            <xsl:for-each select="/events/event">
                <event>
                    <xsl:copy-of select="./*[name() != 'blah'"/>
                    <xsl:for-each select="./blah">
                        <blahId><xsl:copy-of select="./blahId/text()"/></blahId>
                    </xsl:for-each>
                </event>
            </xsl:for-each>
        </events>
    </xsl:template>
</xsl:stylesheet>

用 java Transformer 运行它始终生成 ��我的表情符号应该在哪里。随后尝试解析生成的文档失败，并显示以下异常消息:

org.xml.sax.SAXParseException; lineNumber: y; columnNumber: x; Character reference "&#55357" is an invalid XML character.

废话!

使用 xsltproc 进行测试在命令行上是无用的，因为 xsltproc在涉及多字节字符时并不愚蠢。我得到了预期的输出。

解决方案

让 XSLT 包装 eventComment通过在 xsl:output 中指定 QName 在 CDATA 中标签 cdata-section-elements属性将保留字节并与 xsltproc 和 java Transformer 一起使用。

这里的魔法是输出 cdata-secion-elements来自 <xsl:output> 的属性(property)标签。 https://www.w3.org/TR/xslt#output

我将我的 XSL 模板更新为:

<xsl:stylesheet version="1.0"
                xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
                xmlns="http://www.w3.org/TR/xhtml1/strict"
>
    <xsl:output  cdata-section-elements="eventComment" method="xml" version="1.0" encoding="UTF-8" omit-xml-declaration="no" indent="yes"/>

    <xsl:template match="/">
        <events>
            <xsl:for-each select="/events/event">
                <event>
                    <xsl:copy-of select="./*[name() != 'blah' and name() != 'eventComment']"/>
                    <!-- For the cdata-section-elements to resolve that eventComment needs to be preserved as CDATA
                        (so we don't get java doing stupid things with unicode escapment)
                         it needs to be explicitly referenced here.
                    -->
                    <eventComment><xsl:copy-of select="./eventComment/text()"/></eventComment>
                    <xsl:for-each select="./blah">
                        <blahId><xsl:copy-of select="./blahId/text()"/></blahId>
                    </xsl:for-each>
                </event>
            </xsl:for-each>
        </events>
    </xsl:template>
</xsl:stylesheet>

现在我的输出来自 xsltproc一个 java Transformer 看起来像这样，并使用 java DocumentBuilders 愉快地解析。

<?xml version="1.0" encoding="UTF-8"?>
<events xmlns="http://www.w3.org/TR/xhtml1/strict">
  <event>
    <id xmlns="">RANDOMID</id>
    <eventComment><![CDATA[Did some things. Had some Fun. ?]]></eventComment>
    <blahId>FOO</blahId>
    <blahId>FOOTOO</blahId>
  </event>
</events>

关于java - 使用 XSLT 转换 XML 和保留 Unicode 字符，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18095587/