Question

这是我的问题：我需要使用SAX Parser在没有XML表示法的标记“p”之间提取文本

    <title>1. Introduction</title>
    <p>The Lorem ipsum 
           <xref ref-type="bibr" rid="B1">
                1
           </xref>. 
           Lorem ipsum 23.
     </p>
     <p>The L domain recruits an ATP-requiring cellular factor for this 
           scission event, the only known energy-dependent step in assembly 
           <xref ref-type="bibr" rid="B2">
                2
           </xref>. 
           Domain is used here to denote the amino 
           acid sequence that constitutes the biological function.
     </p>

是否可以使用endElement()？因为当我使用它时，我只获得“/xref”标签

之后的部分

这里是代码

public void endElement(String s, String s1, String element) throws SAXException {

        if(element.equals(Finals.PARAGRAPH)){
            Paragraph paragraph = new Paragraph();
            paragraph.setContext(tmpValue);
            System.out.println("Contesto: " + tmpValue);
            listP.add(paragraph);

        }
    }
    @Override
    public void characters(char[] ac, int i, int j) throws SAXException {
        tmpValue = new String(ac, i, j);

    }

这是我期望做的：包含两段的列表listP：

1) Lorem ipsum 1 Lorem ipsum 23.
2) The L domain recruits an ATP-requiring cellular factor for this 
       scission event, the only known energy-dependent step in assembly 2 
       Domain is used here to denote the amino 
       acid sequence that constitutes the biological function.

Answer 1

我不确定你的意思是“是否可以使用endElement”，但它肯定是可能的。您需要编写SAX应用程序，以便：

（1）忽略startElement aragraph - 简单状态跟踪之间的所有endElement / <p>事件，或者您可以简单地说您对此不感兴趣除了段落之外的元素，并使你的元素事件处理程序成为你不关心的任何事情的无操作。

（2）累积单独传递的characters()个事件，直至endElement aragraph的<p>。但是你还是需要这样做，因为SAX 总是保留以几个characters()调用的形式提供连续文本的权利，原因与解析器缓冲区管理有关。

Answer 2

有许多可能的解决方案。通常使用SAX解析器，您只需添加一些布尔标志来表示解析时的某些特定状态。在这个简单的例子中，您可以通过更改它来实现此目的：

tmpValue = new String(ac, i, j);

到此：

if (tmpValue.equals(""))
    tmpValue = new String(ac, i, j);
else
    tmpValue += new String(ac, i, j);

或：

if (tmpValue == null)
    tmpValue = new String(ac, i, j);
else
    tmpValue += new String(ac, i, j);

取决于您初始化tmpValue变量的方式（如果您尚未执行此操作，则应初始化它）。

收集您需要的所有段落的内容：

public void endElement(String s, String s1, String element) throws SAXException {

    if (element.equals(Finals.PARAGRAPH)) {
        Paragraph paragraph = new Paragraph();
        paragraph.setContext(tmpValue);
        System.out.println("Contesto: " + tmpValue);
        listP.add(paragraph);
        tmpValue = ""; // or tmpValue = null; for the second version
    }
}

并省略标题部分：

public void startElement(
    String uri,
    String localName,
    String qName,
    Attributes atts) {

    if (localName.equals(Finals.PARAGRAPH)) {
        tmpValue = ""; // or tmpValue = null; for the second version
    }
}

Answer 3

使用stack
Push个活动中的startElement和Pop个活动中的endElement。

或者，如果这对您不起作用，只需Push进入所有事件的堆栈，然后逐个endOfDocument，Pop元素。将数据从</p>反向存储到<p>。

SAX Parser - 在标签内提取字符串

3 个答案: