VTD-XML 似乎破坏了 XML 文档中的转义字符串

Question

我正在处理 XML 数据集（DrugBank 数据库可用 here），其中一些字段包含转义的 XML 字符，例如“&”等

为了使问题更具体，这里有一个示例场景：

<drugs>
    <drug>
        <drugbank-id>DB00001</drugbank-id>
        <general-references>
            # Askari AT, Lincoff AM: Antithrombotic Drug Therapy in Cardiovascular Disease. 2009 Oct; pp. 440&#x2013;. ISBN 9781603272346. "Google books":http://books.google.com/books?id=iadLoXoQkWEC&amp;pg=PA440.
        </general-references>
        .
    </drug>
    <drug>
    ...
    </drug>
    ...
</drugs>

由于整个文档很大，我解析如下：

VTDGen gen = new VTDGen();
try {
    gen.setDoc(Files.readAllBytes(DRUGBANK_XML));
    gen.parse(true);
} catch (IOException | ParseException e) {
    SystemHelper.exitWithMessage(e, "Unable to process Drugbank XML data. Aborting.");
}
VTDNav nav = gen.getNav();
AutoPilot pilot = new AutoPilot(nav);
pilot.selectXPath("//drugs/drug");
while (pilot.evalXPath() != -1) {
    long fragment = nav.getContentFragment();
    String drugXML = nav.toString((int) fragment, (int) (fragment >> 32));
    System.out.println(drugXML);
    finerParse(drugXML); // another method handling a more detailed data analysis
}

当我用示例 xml（从相同数据复制粘贴的片段）测试 finerParse 方法时，它工作正常。但是当从上面的代码调用时，它失败并显示错误消息 Errors in Entity: Illegal entity char。将输入打印到 finerParse（即 drugXML 字符串）后，我注意到原始 xml 中的字符串 &pg=PA440 已更改为“&pg=PA440”。

为什么会这样？我所做的就是使用非常知名的解析器对其进行解析。

P.S。我找到了一个替代解决方案，我只是将 VTDNav 作为参数传递给 finerParse，而不是首先获取内容字符串并传递该字符串。但是我还是很好奇上面的做法到底出了什么问题

Answer 1

而不是 vtdNav.toString() 使用 vtdNav.toRawString() 问题应该会消失...让我知道它是否有效。

VTD-XML 似乎破坏了 XML 文档中的转义字符串

VTD-XML seems to be spoiling escaped string in XML document

java

xml

escaping

vtd-xml