var xhtml = XDocument.Load(reader); // XmlException: Reference to undeclared entity 'nbsp'.
对于XHTML 1.0,可以使用XmlPreloadedResolver
解决此问题,该程序预加载XHTML 1.0中定义的众所周知的DTD.可以通过手动提供其DTD来扩展该方法以支持XHTML 1.1,如this answer所示.
但是,XHTML5没有DTD,如this other answer所述.其实体定义仅供参考as JSON.
<!DOCTYPE html>
因此,在XHTML5中解析实体时,永远不会调用XmlResolver方法.有人讨论了providing XmlReader
with a list of entity declarations的尝试,但没有任何方法似乎开箱即用.
目前,我正在研究两种方法.第一种是通过源XHTML上的字符串操作或通过XmlParserContext.InternalSubset在文档类型声明中指定具有实体声明的内部子集.这将导致文档类型声明类似于:
<!DOCTYPE html [ <!ENTITY ndash "–"> <!ENTITY nbsp " "> ... ]>
在XHTML5中似乎是这个is allowed;但是,它是不受欢迎的,因为它使用实体声明(现在有more than 2000)来填充XDocument,如果用户将其转换回字符串表示,这将是有问题的.
我的另一种方法是使用正则表达式预处理XHTML字符串,将所有命名字符引用转换为数字字符引用(或实际的Unicode字符),不包括XML预定义实体,“&’<>.但是,我我担心这种方法可能会错过XML的定义中的复杂性.例如,this answer表示不能在注释,CDATA部分或处理指令中转义字符.我假设我的正则表达式需要调整以排除所有这些事件.
有没有人对这两种方法或您考虑的任何其他方法有经验或建议?我更喜欢基于XmlReader的可扩展性的方法,但如果没有其他方法,将采用源字符串操作.
解决方法
鉴于此来源:
<!DOCTYPE foo [ <!ENTITY ndash "–"> <!ENTITY nbsp " "> ]> <foo> <p>I am – and I am non-breaking space.</p> </foo>
而这个转变:
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0"> <xsl:template match="@*|node()"> <xsl:copy> <xsl:apply-templates select="@*|node()"/> </xsl:copy> </xsl:template> </xsl:stylesheet>
您将此结果作为新输入:
<foo> <p>I am – and I am non-breaking space.</p> </foo>
此外,您可以将所有这些定义保存在单独的文件中,并像这样添加一个引用:
<!ENTITY % winansi SYstem "path/to/my/map/winansi.xml"> %winansi;]>