XmlSlurper转换html编码的符号

Question

def xmlNode = new XmlSlurper().parseText('<?xml version="1.0" encoding="utf-8"?><b>&#8240;</b>')
println XmlUtil.serialize(xmlNode)

打印下一页：

<?xml version="1.0" encoding="UTF-8"?>
<b>
  ‰
</b>

有没有办法防止将‰转换成‰？XmlSlurper文档什么也没说。

Answer 1

我编写了一个覆盖XmlSlurper.characters的POC来处理字符实体。将‰转换回实体代码也需要Apache commons StringEscapeUtils：

@Grab(group='commons-lang', module='commons-lang', version='2.6')

import org.apache.commons.lang.StringEscapeUtils as SE
import groovy.xml.XmlUtil

def parser = new XmlSlurper() {
    void characters(char[] buffer, int start, int length)  {
        def entity = SE.escapeXml(buffer[start].toString())
        super.characters entity.toCharArray(), start, entity.size() 
    }
}

def xml = parser.parseText '<?xml version="1.0" encoding="utf-8"?><b>&#8240;</b>'

def serialized = SE.unescapeXml( XmlUtil.serialize(xml) )
assert '<?xml version="1.0" encoding="UTF-8"?><b>&#8240;</b>\n' == serialized

注意，这是在处理单个字符，如果需要处理多个字符，您可能需要对其进行一些调整。还要注意，在assert中需要换行符。是由XmlUtil.serialize添加的

不过，我不知道这是不是最好的方法。