java - SAX - 无需 CDATA 即可读取 HTML 内容

Question

我在 Java 中使用 SAX 解析器，这是强制性的。我需要解析带有 HTML 标签的 XML，我必须像内容一样读取这些标签，并且我无法使用 CDATA，因为我无法更改 XML 文件。 XML 文件是这样的:

<start id="123">
    <tag1>text1</tag1>
    <tag2>
        This is an example
        <span>
            text inside an HTML tag
        </span>
        <p>
            ABCDEFG<b>HIJK</b>LMNOP
        </p>
    </tag2>
</start>

我需要的是，当我获取tag2的内容时，内容必须是:

This is an example
<span>text inside an HTML tag</span>
<p>ABCDEFG<b>HIJK</b>LMNOP</p>

这是我所做的测试，内容不显示 HTML 标签:

boolean istag2 = false;

StringBuilder text = new StringBuilder();

public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
    System.out.println("Start Element :" + qName);
    if (qName.equals("tag2")) {
        istag2 = true;
    }
}

public void endElement(String uri, String localName, String qName) throws SAXException {
    if (qName.equals("tag2")) {
        istag2 = false;
        String fullText = text.toString();
        System.out.println("tag2 full_text: " + fullText);
    }
}

public void characters(char ch[], int start, int length) throws SAXException {
    if (istag2) {
        text.append(new String(ch, start, length));
    }
}

提前致谢

Answer 1

好吧，我想我可能明白你的期望哪里错了。我想您可能期望字符串 "<span>"和"<p>"通过调用 characters() 传递到您的应用程序方法。但事实并非如此:它们是通过 startElement() 的调用传递的。和endElement() 。如果您想以词法形式构建包含这些标签的字符串，您将需要执行以下操作:

public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
    System.out.println("Start Element :" + qName);
    if (qName.equals("tag2")) {
        inTag2 = true;
    } else if (inTag2) {
        text.append("<" + qName);
        // TODO: serialize any attributes
        text.append(">")
    }
}