XML文字をエスケープするベストプラクティス？

Question

私はDom4J文書に変換しているhtmlデータがあります。

私はエラーに会った：

org.dom4j.DocumentException: Error on line 1 of document : Reference is not allowed in prolog. Nested exception: Reference is not allowed in prolog. 
    at org.dom4j.io.SAXReader.read(SAXReader.java:482) 
    at org.dom4j.DocumentHelper.parseText(DocumentHelper.java:278) 
    at MonTest.main(MonTest.java:21) 
Nested exception: 
    org.xml.sax.SAXParseException: Reference is not allowed in prolog. 

それは私が&アンプに脱出するために必要な文字「&」でした。文書を構築するために。 XMLで

、我々が5つの文字をエスケープする必要があると思われる：（GT、LT、QUOT、アンプ、APOS）

それにも関わらず、どのように私は、 "ノード" の要素にそれをエスケープせず、それを逃れることができます。

<div id="test" class='toto'>A&A<A"A</div> 

は与えるべきである：

<div id="test" class='toto'>A&amp;A&lt;A&quot;A</div> 

なく

<div id="test" class='toto'>A&A<A"A</div> 

を

ありがとう、

Answer 1

XMLドキュメントに追加する前にエスケープ文字列。 Apache Commons LangのStringEscapeUtils.escapeXmlメソッドを使用します。 XMLを構築するためにいくつかのライブラリを使用します。 http://code.google.com/p/joox/。

Answer 2

デフォルトのXMLReader実装ではなく、寛大なHTML XMLReaderを使用します。 tag soupまたはhtml tidyのようなものです。