使用 XSLT 保留特殊字符作为输出

Question

我面临的问题是关于即使在 XSLT 转换后仍保留特殊字符的问题。我的源 XHTML 文件包含几个特殊字符，如  、—、’；在 XSLT 转换时被忽略。

我尝试了各种答案，例如 this and this。

如果我手动将特殊字符的值更改为相应的 Unicode 表示形式，这些字符将保留在输出中。

例如将   更改为  ，它会在输出中产生 space。请参考以下一些样本文件：

源 XHTML :

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xmlns:text="http://giraffe.wkle.com/text" xmlns:epub="http://www.idpf.org/2007/ops">
    <body>
        <div class="section" id="section_1">
            <p id="para_1" class="para">Content&nbsp;of&nbsp;paragraph&mdash;1.</p>
            <p id="para_2" class="para">Content&nbsp;of&nbsp;paragraph&mdash;2.</p>
        </div>
    </body>
</html>

XSL 模板：

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:xs="http://www.w3.org/2001/XMLSchema">

    <xsl:output method="xml" indent="yes"/>
    <xsl:template match="node()|@*" name="identity">
        <xsl:copy>
            <xsl:apply-templates select="node()|@*" />
        </xsl:copy>
    </xsl:template>

    <xsl:template match="*[local-name()='p']/text()">
        <xsl:copy-of select="."/>
    </xsl:template>
</xsl:stylesheet>

预期输出：

<?xml version="1.0" encoding="UTF-8"?>
<html xmlns="http://www.w3.org/1999/xhtml" xmlns:epub="http://www.idpf.org/2007/ops" xmlns:text="http://giraffe.wkle.com/text">
    <body>
        <div class="section" id="section_1">
            <p class="para" id="para_1">Content of paragraph—1.</p>
            <p class="para" id="para_2">Content of paragraph—2.</p>
        </div>
    </body>
</html>

实际输出：

<?xml version="1.0" encoding="UTF-8"?>
<html xmlns="http://www.w3.org/1999/xhtml" xmlns:epub="http://www.idpf.org/2007/ops" xmlns:text="http://giraffe.wkle.com/text">
    <body>
        <div class="section" id="section_1">
            <p class="para" id="para_1">Contentofparagraph1.</p>
            <p class="para" id="para_2">Contentofparagraph2.</p>
        </div>
    </body>
</html>

限制：

我无权修改源 XHTML 内容或其 DTD。
XSLT 版本为 1.0。

如果有任何方法可以使用它们的 Unicode 值转换特殊字符并将它们保留在我的输出 XML 文档中，请告诉我。

更新：

我使用这段 Java 代码来调用转换：

public class XSLTUtil {

    public static String processXHTML(String sourceFileName, String outputXhtml, String xslFilePath) throws ParserConfigurationException, SAXException, IOException, TransformerException {
        DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
        DocumentBuilder docbuilder = factory.newDocumentBuilder();
        Document doc = docbuilder.parse(new FileInputStream(sourceFileName));

        FileOutputStream fos = null;
        FileInputStream fis = null;
        try {
            fos = new FileOutputStream(outputXhtml);
            fis = new FileInputStream(xslFilePath);
            TransformerFactory transformfactory = TransformerFactory.newInstance();
            Templates xsl = transformfactory.newTemplates(new StreamSource(fis));
            Transformer transformer = xsl.newTransformer();
            transformer.transform(new DOMSource(doc.getDocumentElement()),new StreamResult(fos));
            return outputXhtml;
        } finally {
            if(fos != null) {
                fos.close();
            }
            if(fis != null) {
                fis.close();
            }
        }
    }

    public static void main(String args[]){
        String sourceFileName = "C:\source.xhtml";
        String outputXhtml = "C:\output.xhtml";
        String xslFilePath = "C:\xslTemplate.xsl";
        String result = "-1";
        try {
            result = processXHTML(sourceFileName, outputXhtml, xslFilePath);
        } catch (ParserConfigurationException e) {
            e.printStackTrace();
        } catch (SAXException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        } catch (TransformerException e) {
            e.printStackTrace();
        }
        System.out.println("Result : "+ result);
    }
}

Answer 1

[问题早期版本的过时答案]

考虑使用 Andrew Welch 的 Lexev 实用程序。它基本上预处理 XML 将实体引用变成将通过 XML 解析保留的东西，然后对转换结果进行后处理以将实体引用放回原处。

http://andrewjwelch.com/lexev/

Answer 2

我会去掉 DOM 代码。当您只想将其转换为其他内容时创建 DOM 是笨拙且低效的。如果您提供 StreamSource 或 SAXSource 并让它们决定自己的树表示，Saxon 和 Xalan 都运行更快。使用 Saxon，速度可以提高 5-10 倍，并且使用的内存会更少。

我不知道为什么 DOM 会丢失实体引用。您提供了有关您正在使用的 XSLT 处理器的相互矛盾的信息，因此调查起来并不容易，但因为 DOM 数据模型与 XSLT/XPath 数据模型不同（特别是在处理实体扩展方面) 摆脱 DOM 应该可以解决它。

Answer 3

使用 Apache Commons Lang3 StringEscapUtils 的解决方案。需要图书馆：

    <dependency>
        <groupId>org.apache.commons</groupId>
        <artifactId>commons-lang3</artifactId>
        <version>3.0</version>
    </dependency>

先阅读内容并将所有实体替换为真实文本。

public static String processXHTML(String sourceFileName, String outputXhtml,
        String xslFilePath) throws ParserConfigurationException, SAXException, IOException,
        TransformerException {

    Charset charset = StandardCharsets.UTF_8;
    Path path = Paths.get(sourceFileName);
    String source = new String(Files.readAllBytes(path), charset);
    source = source.replaceAll("\&(amp|lt|gt|quot);", "\u0001;");
    source = StringEscapeUtils.unescapeHtml4(source);
    source = source.replace('\u0001', '&');
    byte[] bytes = source.getBytes(charset);
    ByteArrayInputStream bais = new ByteArrayInputStream(bytes);

    DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
    DocumentBuilder docbuilder = factory.newDocumentBuilder();
    docbuilder.setEntityResolver(new EntityResolver() {
        @Override
        public InputSource resolveEntity(String publicId, String systemId)
                    throws SAXException, IOException {
            System.out.printf("resolveEntity PUBLIC %s SYSTEM %s%n", publicId, systemId);
            return new InputSource(new StringReader(""));
        }
    });
    //Document doc = docbuilder.parse(new FileInputStream(sourceFileName));
    Document doc = docbuilder.parse(bais);

我跳过了 XML 个实体。

我对 EntityResolver 进行了短路连接，因为（通过网络）读取和处理实体需要很长时间。您似乎已经安装了类似的东西，因为实体没有被替换。

在 resolveEntity return null 中查看递归加载的 DTD。

或者，您可以安装 XML 目录，HTML 实体 DTD 的本地缓存，其中有一些。

使用 XSLT 保留特殊字符作为输出

Retaining special characters as output using XSLT

java

xslt

html-entities

xslt-1.0