Question

我必须解析从网络上获得的内容，它可以包含特殊字符。在这种情况下，内容字符串如下所示：

<?xml version="1.0" encoding="UTF-8"?>
<products>
  <product>
    <id>1</id>
    <price>2.14</price>
    <title>test &#382; test</title>

当上面的contet传递给方法characters（）时，在从org.xml.sax.helpers.DefaultHandler扩展的类中：

public class ProductsXMLHandler extends DefaultHandler {
...

@Override    
public void characters(char[] ch, int start, int length)
            throws SAXException {
        String elementValue = new String(ch, start, length);
    ...
}

我注意到数组test ž test分为三个数组：'test'，'ž'和'test' 所以elementValue不等于test ž test，它应该是结果。有谁知道如何解决这个问题？

是否有必要重新编码源字符串：

 <?xml version="1.0" encoding="UTF-8"?>
<products>
  <product>
    <id>1</id>
    <price>2.14</price>
    <title>test &#382; test</title>

在传递给XML处理程序类之前？

谢谢！

Answer 1

作为J on Skeet said in in answer，characters被多次调用。你应该做的是以下几点：

在startTag中，创建一个StringBuffer，并注意（例如，在一个布尔值中），如果你在正在搜索的正确标签中。
在characters中，如果你在正确的标签中（如果之前的布尔值设置为真），则将字符放在StringBuffer中
在endTag中，如果你没有使用正确的标签（参见boolean，与之前相同），请取出StringBuffer的内容并vo！这是你的完整字符串。在此之后不要忘记清空StringBuffer。

Answer 2

你的意思是characters被召唤三次？如果是这样，你只需要让你的代码处理 - 解析器完全可以自由地执行此操作。您不应该假设您将在一次通话中获得所有角色数据。

来自DocumentHandler.characters()的文档：

SAX解析器可能会返回所有连续的单个块中的字符数据，或他们可能把它分成几个块; 但是，任何人物中的所有人物单一事件必须来自同一事件外部实体，使定位器提供有用的信息。

Answer 3

我不认为你可以做任何事情，这是根据SAX API。具体来说，来自http://java.sun.com/javase/6/docs/api/org/xml/sax/ContentHandler.html#characters(char[],%20int,%20int)

Parser会调用此方法报告每个字符数据块。 SAX解析器可能会返回所有连续的单个块中的字符数据，或他们可能将它分成几个块;但是，所有的任何单个事件中的字符必须来自同一个外部实体 Locator提供了有用的功能信息。

（我的重点）

编码问题

3 个答案: