Java:从XML文本(非标记)中删除<和>

Question

我很难转义要由Java处理的xml。我使用JTidy来转义不需要的字符，但是很难从<tag> capacity < 1000 </tag>之类的值中删除"<“和">”

我使用下面的代码来转义输入

    public String CleanXML(String input){

        Tidy tidy = new Tidy();
        tidy.setInputEncoding("UTF-16");
        tidy.setOutputEncoding("UTF-16");
        tidy.setWraplen(Integer.MAX_VALUE);
        tidy.setXmlOut(true);
        tidy.setSmartIndent(true);
        tidy.setXmlTags(true);
        tidy.setMakeClean(true);
        tidy.setForceOutput(true);
        tidy.setQuiet(true);
        tidy.setShowWarnings(false);
        StringReader in = new StringReader(input);
        StringWriter out = new StringWriter();
        tidy.parse(in, out);

        return out.toString();
    }

Answer 1

使用以下功能

private static final Pattern TAG_REGEX = Pattern.compile("<tag>(.+?)</tag>", Pattern.DOTALL);

public String CleanXML(String input){
    final Matcher matcher = TAG_REGEX.matcher(input);
    while (matcher.find()) {
        String value = matcher.group(1);
        String valueReplace = value.replaceAll("[^a-zA-Z0-9\\s]", "");
        input.replace(value,valueReplace);
    }
    return input;        
}

它使用正则表达式搜索得到标记之间的值，然后删除所有非字母数字字符。从Java regex to extract text between tags中得到正则表达式和基本思想

Answer 2

如果要删除XML的标记终端，只需将其转换为映射并根据需要构建字符串，请参考XML to map in Java。

如果要清除属性值，可以迭代映射并清理它，然后构建字符串或通过map to XML in java将其重新转换为XML。