Question

我遇到了 SAX 和 Java 的问题。

我正在解析 dblp 数字图书馆数据库xml文件（列举期刊，会议，论文）。 XML文件非常大（> 700MB）。

但是，我的问题是当回调 characters（）返回时，如果检索到的字符串包含多个实体，则该方法仅返回从最后一个实体开始的字符串字符找到。

即：Rüdiger Mecke是<author>代码

之间的原始作者姓名

üdiger Mecke是结果

（从字符返回的字符串（ch []，start，length）方法）。

我想知道：

如何防止PArser自动解析实体？
如何解决之前描述的截断字符问题？

Answer 1

characters()无法保证在一次通话中返回所有字符。来自Javadoc：

Parser将调用此方法来报告每个字符块数据。 SAX解析器可以在单个中返回所有连续的字符数据大块，或者他们可能将它分成几个块。

您需要在所有调用中追加返回的字符，例如：

private StringBuffer tempValue = new StringBuffer();

startElement()
{
    tempValue.setLength(0); // clear buffer...
}

characters(characters(char[] ch, int start, int length)
{
    tempValue.append(ch, start, length); // append to buffer
}

endElement()
{
    String value = tempValue.toString(); // use characters in buffer...
}

Answer 2

我认为您不能关闭实体解析。
对于单个标记，可以多次调用characters方法，并且您必须在多个调用中收集字符，而不是期望它们全部到达。

SAX XML Java实体问题

2 个答案: