Java：从 XML 中的文本中删除 < 和 >（不是标签）

Question

我很难逃避 xml 被 Java 处理。我正在使用 JTidy 来转义不需要的字符，但很难从 <tag> capacity < 1000 </tag>

等值中删除“<”和“>”

我正在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

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

如果你想清理属性值，你可以迭代映射并清理它然后构建一个字符串或通过

将其重新转换为 XML

Answer 2

使用以下函数

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来获取标签之间的值，然后删除所有非字母数字字符。正则表达式和基本思想是从 Java regex to extract text between tags

中获得的

Java：从 XML 中的文本中删除 < 和 >（不是标签）

Java: remove < and > from text in XML (not tags)

java

xml

jtidy