java - 编码问题

Question

我必须解析从网络获取的内容，它可能包含特殊字符。在这种情况下，内容字符串如下所示:

<?xml version="1.0" encoding="UTF-8"?>
<products>
  <product>
    <id>1</id>
    <price>2.14</price>
    <title>test &#382; test</title>

当上面的内容被传递给方法characters()时，在从org.xml.sax.helpers.DefaultHandler扩展的类中:

public class ProductsXMLHandler extends DefaultHandler {
...

@Override    
public void characters(char[] ch, int start, int length)
            throws SAXException {
        String elementValue = new String(ch, start, length);
    ...
}

我注意到数组 test ž test 分为三个数组:'test'、'ž' 和 'test'所以 elementValue 不等于 test ž test 这应该是结果。有谁知道如何解决这个问题吗？

是否需要重新编码源字符串:

 <?xml version="1.0" encoding="UTF-8"?>
<products>
  <product>
    <id>1</id>
    <price>2.14</price>
    <title>test &#382; test</title>

在传递给 XML 处理程序类之前？

谢谢!

Answer 1

如J on Skeet said in in answer , characters 被调用多次。您应该执行以下操作:

• 在 startTag 中，创建一个 StringBuffer，并记下(例如 boolean 值)您是否位于要搜索的正确标记中。
• 在字符中，如果在正确的标签中(如果前面设置的 boolean 值为true)，则将字符放入StringBuffer
• 在 endTag 中，如果您走出了正确的标记(参见 boolean 值，与之前相同)，则获取 StringBuffer 的内容，瞧!这是您的完整字符串。之后不要忘记清空 StringBuffer。