我正在尝试解析这个XML:
<?xml version="1.0" encoding="UTF-8"?>
<veranstaltungen>
<veranstaltung id="201611211500#25045271">
<titel>Mal- und Zeichen-Treff</titel>
<start>2016-11-21 15:00:00</start>
<veranstaltungsort id="20011507">
<name>Freizeitclub - ganz unbehindert </name>
<anschrift>Macht los e.V.
Lipezker Straße 48
03048 Cottbus
</anschrift>
<telefon>xxxx xxxx </telefon>
<fax>0355 xxxx</fax>
[...]
</veranstaltungen>
正如您所看到的,一些文本有空格甚至换行符。我遇到节点anschrift
中的文本问题,因为我需要在数据库中找到正确的位置数据。问题是,返回的String是:
Macht los e.V.Lipezker Straße 4803048 Cottbus
而不是:
Macht los e.V. Lipezker Straße 48 03048 Cottbus
我知道解析它的正确方法应该是normalie-space()
,但我无法理解如何做到这一点。我试过这个:
// Does not work; afaik because xpath 1 normalizes just the first node
xPath.compile("normalize-space(veranstaltungen/veranstaltung[position()=1]/veranstaltungsort/anschrift/text()"));
// Does not work
xPath.compile("veranstaltungen/veranstaltung[position()=1]/veranstaltungsort[normalize-space(anschrift/text())]"));
我也试过这里给出的解决方案:xpath-normalize-space-to-return-a-sequence-of-normalized-strings
xPathExpression = xPath.compile("veranstaltungen/veranstaltung[position()=1]/veranstaltungsort");
NodeList result = (NodeList) xPathExpression.evaluate(doc, XPathConstants.NODESET);
String normalize = "normalize-space(.)";
xPathExpression = xPath.compile(normalize);
int length = result.getLength();
for (int i = 0; i < length; i++) {
System.out.println(xPathExpression.evaluate(result.item(i), XPathConstants.STRING));
}
System.out打印:
Macht los e.V.Lipezker Straße 4803048 Cottbus
我做错了什么?
更新
我已经有了一个解决方法,但这不是解决方案。以下几行显示了我如何将HTTP与HTTPResponse放在一起:
try (BufferedReader reader = new BufferedReader(new InputStreamReader(response.getEntity().getContent(), Charset.forName(charset)))) {
final StringBuilder stringBuilder = new StringBuilder();
String line;
while ((line = reader.readLine()) != null) {
// stringBuilder.append(line);
// WORKAROUND: Add a space after each line
stringBuilder.append(line).append(" ");
}
// Work with the red lines
}
我宁愿有一个坚实的解决方案。
答案 0 :(得分:1)
最初,您似乎使用以下代码来阅读XML:
try (BufferedReader reader = new BufferedReader(new InputStreamReader(response.getEntity().getContent(), Charset.forName(charset)))) {
final StringBuilder stringBuilder = new StringBuilder();
String line;
while ((line = reader.readLine()) != null) {
stringBuilder.append(line);
}
}
这是您的新行被吃掉的地方:readline()
不返回尾随的换行符。如果然后解析stringBuilder
对象的内容,则会得到一个不正确的DOM,其中文本节点不包含XML中的原始换行符。
答案 1 :(得分:0)
感谢Markus的帮助,我能够解决这个问题。原因是BufferedReader的readLine()方法丢弃换行符。以下代码邮箱对我有用(也许可以改进):
public Document getDocument() throws IOException, ParserConfigurationException, SAXException {
final HttpResponse response = getResponse(); // returns a HttpResonse
final HttpEntity entity = response.getEntity();
final Charset charset = ContentType.getOrDefault(entity).getCharset();
// Not 100% sure if I have to close the InputStreamReader. But I guess so.
try (InputStreamReader isr = new InputStreamReader(entity.getContent(), charset == null ? Charset.forName("UTF-8") : charset)) {
return documentBuilderFactory.newDocumentBuilder().parse(new InputSource(isr));
}
}