背景
在XHTML文档中将直引号转换为卷曲引号和撇号。给定具有直引号("和'(的文档，执行一些预处理以将直引号转换为其卷曲的语义等价物(“、”、‘、’和'(。通常，卷曲字符’用于结束单引号(’(和撇号('(，但这失去了语义的含义，我希望通过使用实体来保留它，以便后续翻译为TeX(例如quote{outer quote{we’re inside quotes} outer}(。因此：
Markdown -> XHTML (straight) -> XHTML (curled) -> TeX
该代码使用Java的内置文档对象模型(DOM(类。
问题
调用Node的setTextContent方法将对任何与号进行双重编码，结果为：
“I reckon, I'm 'bout dat.”
“Elizabeth Davenport;” she said ‘Elizabeth’ to be dignified, “and really my father owns the place.”
而不是：
“I reckon, I'm 'bout dat.”
“Elizabeth Davenport;” she said ‘Elizabeth’ to be dignified, “and really my father owns the place.”
通过设置处理指令禁用和启用似乎不起作用。
代码
以下是walka树的代码：
public static void walk(
final Document document, final String xpath,
final Consumer<Node> consumer ) {
assert document != null;
assert consumer != null;
try {
final var expr = lookupXPathExpression( xpath );
final var nodes = (NodeList) expr.evaluate( document, NODESET );
if( nodes != null ) {
for( int i = 0, len = nodes.getLength(); i < len; i++ ) {
consumer.accept( nodes.item( i ) );
}
}
} catch( final Exception ex ) {
clue( ex );
}
}
以下是用卷曲的等价物替换引号的代码：
walk(
xhtml,
"//*[normalize-space( text() ) != '']",
node -> node.setTextContent( sConverter.apply( node.getTextContent() ) )
);
其中xhtml是Document，sConverter卷曲引号。
问题
您将如何指示DOM接受'和friends而不重新编码与号？
相关
半相关问题：
- 如何在Java XML中禁用/避免Ampersand Escapeng
- 是否禁用XML中的自动&符号转义
- XML DOM setTextContent
- Java XML解析：避免实体引用解析
- https://stackoverflow.com/a/36097922/59087
更改预处理，将直引号替换为Unicode字符，而不是无效的XML实体。这些实体是由HTML定义的，不是有效的XML。
“应为“或u201C(如果编写为Java文字(- 如果以Java文字形式编写，则
”应为”或u201D - 如果以Java文字形式编写，则
‘应为‘或u2018 - 如果以Java文字形式编写，则
’应为’或u2019 '应为'
XML处理器可以自由地将字符和字符实体视为可互换的，因此尝试使用字符实体来指示语义注定会失败。
我会使用标记。我怀疑自定义处理指令是"悄悄"添加语义的好方法：
<text>"She told me, 'Don't forget the bread.'"</text>
会变成：
<text><?q?>“She told me, <?q?>‘Don’t forget the bread.<?q?>’<?q?>”</text>
其中，<?q?>处理指令是如下代码点作为引号具有语义含义的信号。
当然，如果你想的话，你可以有多个自定义处理指令：
<text><?quote-start?>“She told me, <?quote-start?>‘Don't forget the bread.<?quote-end?>’<?quote-end?>”</text>
值得一提的是，XHTML定义了自己的<quote>元素来处理这种情况。
(普通HTML有一个<q>元素，该元素在语义上相似，但它也告诉浏览器自动呈现引号，这意味着使用<q>的HTML文档不能包含自己的引号。(