java html解析成xml文件_在Java中解析包含HTML实体的XML文件,而无需更改XML

我必须解析一些Java文件，这些文件有时候是无效的，它包含HTML实体，例如& mdash;& gt;等等。我理解正确的处理方法是在解析之前向XML文件添加适当的实体声明。但是，我无法做到这一点，因为我无法控制这些XML文件。

是否有某种回调，我可以覆盖在Java XML解析器遇到这样一个实体时被调用？我没有能够在API中找到一个。

我想用：

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();

DocumentBuilder parser = dbf.newDocumentBuilder();

Document doc = parser.parse( stream );

我发现我可以在org.xml.sax.helpers.DefaultHandler中覆盖resolveEntity，但是如何使用更高级别的API？

这是一个完整的例子：

public class Main {

public static void main( String [] args ) throws Exception {

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();

DocumentBuilder parser = dbf.newDocumentBuilder();

Document doc = parser.parse( new FileInputStream( "test.xml" ));

}

}

with test.xml：

Some text — invalid!

生产：

[Fatal Error] :3:20: The entity "nbsp" was referenced, but not declared.

Exception in thread "main" org.xml.sax.SAXParseException; lineNumber: 3; columnNumber: 20; The entity "nbsp" was referenced, but not declared.

更新：我一直在使用JDK源代码调试器，而男孩，有多少意大利面。我不知道设计在那里，还是有一个。只有几层洋葱可以在一层之上呢？

他们的关键类似乎是com.sun.org.apache.xerces.internal.impl.XMLEntityManager，但是我找不到任何可以让我在使用之前添加东西的代码，或尝试在不经过的情况下解析实体那个班。