java - 如何使用 Java 和 SAX 解析带有偶尔 XML 标记的纯文本文件？

Question

我有一个来自服务器的相当大的日志文件，其中包含纯文本。服务器记录它所做的每一件事，有时它会打印我有兴趣解析的 xml 标签。举个例子:

-----------log file-------------
bla bla bla random text
<logMessage>test Message</logMessage>
some more random server output
<logMessage>some other message</logMessage>
bla bla bla
end of log file

我只想从 标签中提取数据并忽略其余部分。我正在使用 Java 和 SAX，但 SAX 解析器要求文件内容严格采用 XML 格式，并且它无法处理这种类型的文件。有没有办法告诉 SAX 忽略/忽视文件不是格式良好的 XML 的事实？还有什么选择呢？逐行读取文件并查找标签？ :(

Answer 1

为了简单起见，我会选择逐行读取文件并查找 <logMessage>和</logMessage>代币。请注意，您可以创建一个此类通用解析器，它采用委托(delegate)解析器并向其提供类似 SAX 的事件。 (可能有用，具体取决于重写解析器的工作量，现在您基于 SAX 的解决方案结果不起作用。)

编辑:如果您对多种元素感兴趣，则委托(delegate)方法也很有用。如果这些碰巧具有复杂(嵌入)的 XML 层次结构，您甚至可以将开始和结束标记之间的所有字符整理到缓冲区中，然后将该缓冲区提供给真实 SAX 解析器。在大多数情况下，这有点过分了，但同样，如果您的日志本质上包含 XML 转储，那么它可能比尝试自己解析所有日志更合适。