Question

我想使用JAXB将一些令人讨厌的HTML解组为Java对象。（我在使用Java 7）。

Tagsoup是一个符合SAX标准的XML解析器，可以处理令人讨厌的HTML。

如何设置JAXB以使用Tagsoup来解组HTML？

我尝试设置System.setProperty（“org.xml.sax.driver”，“org.ccil.cowan.tagsoup.Parser”）;

如果我创建XMLReader，它使用Tagsoup，但在使用JAXB时则不行。

com.sun.xml.internal.bind.v2.runtime.JAXBContextImpl是否使用DOM或SAX解析XML？
如何告诉JAXB使用SAX？
我如何告诉JAXB使用TagSoup作为SAX实现？

根据Blaise的建议，尝试下面，但在最后一行得到SAXParseException。只使用XMLReader完成解析：

    JAXBContext jaxbContext = JAXBContext.newInstance(Thing.class);
    Unmarshaller unmarshaller = jaxbContext.createUnmarshaller();

    XMLReader xmlReader = new org.ccil.cowan.tagsoup.Parser();

    xmlReader.parse("file:///c:/test.xml");
    System.out.println("parse ok");

    xmlReader.setContentHandler(unmarshaller.getUnmarshallerHandler());

    //SAXParseException; systemId: file:/c:/test.xml; lineNumber: 5; columnNumber: 3; The element type "br" must be terminated by the matching end-tag "</br>".
    Thing thing = (Thing) unmarshaller.unmarshal(new File("c:/test.xml"));

Answer 1

您可以从UnmarshallerHandler获取Unmarshaller并将其设置为SAX解析器上的ContentHandler。执行SAX解析后，从UnmarshallerHandler获取对象。

UnmarshallerHandler unmarshallerHandler = unmarshaller.getUnmarshallerHandler();
xmlReader.setContentHandler(unmarshallerHandler);
xmlReader.parse(...);
Thing thing = (Thing) unmarshallerHandler.getResult();

我的博客上有一个例子：

http://blog.bdoughan.com/2011/05/jaxb-and-dtd.html

如何在HTML中使用JAXB？

1 个答案: