java - 如何使用 SAX 获取 xml 标记的正确开始/结束位置？

Question

SAX 中有一个定位器，它跟踪当前位置。但是，当我在 startElement() 中调用它时，它总是返回 xml 标记的结束位置。

如何获取标签的起始位置？有没有办法优雅地解决这个问题？

Answer 1

不幸的是，org.xml.sax 包中的 Java 系统库提供的 Locator 接口(interface)不允许根据定义提供有关文档位置的更多详细信息。引用自documentation getColumnNumber 方法(我添加的亮点):

The return value from the method is intended only as an approximation for the sake of diagnostics; it is not intended to provide sufficient information to edit the character content of the original XML document. For example, when lines contain combining character sequences, wide characters, surrogate pairs, or bi-directional text, the value may not correspond to the column in a text editor's display.

根据该规范，您将始终根据 SAX 驱动程序的最大努力获得“与文档事件关联的文本之后的第一个字符”的位置。因此，对问题第一部分的简短回答是:不，Locator 不提供有关标记起始位置的信息。此外，如果您在文档中处理多字节字符，例如中文或日文文本，您从 SAX 驱动程序获得的位置可能不是您想要的。

如果您需要标签的精确位置，或者想要有关属性、属性内容等的更细粒度的信息，则必须实现您自己的位置提供程序。

由于涉及所有潜在的编码问题、Unicode 字符等，我想这是一个太大的项目，无法在此处发布，实现也将取决于您的具体要求。

只是个人经验的快速警告:围绕传递给 SAX 解析器的 InputStream 编写一个包装器是危险的，因为您不知道 SAX 解析器何时会根据它的内容报告它的事件已经从流中读取。

您可以首先在 ContentHandler 的 characters(char[], int, int) 方法中自己进行一些计数，方法是检查换行符、制表符等，除了使用 Locator 信息，这应该让您更好地了解您在文档中的实际位置。通过记住上一个事件的位置，您可以计算出当前事件的开始位置。不过要考虑到，您可能看不到所有换行符，因为它们可能出现在您不会在 characters 中看到的标签内，但您可以从 Locator 中推断出这些换行符信息。