java - SAX 解析器 - 提取标签内的字符串

Question

这是我的问题:我需要使用 SAX 解析器提取标签“p”之间的文本，而不使用 XML 符号

    <title>1. Introduction</title>
    <p>The Lorem ipsum 
           <xref ref-type="bibr" rid="B1">
                1
           </xref>. 
           Lorem ipsum 23.
     </p>
     <p>The L domain recruits an ATP-requiring cellular factor for this 
           scission event, the only known energy-dependent step in assembly 
           <xref ref-type="bibr" rid="B2">
                2
           </xref>. 
           Domain is used here to denote the amino 
           acid sequence that constitutes the biological function.
     </p>

是否可以使用endElement()？因为当我使用它时，我只获得“/xref”标签之后的部分

这里是代码

public void endElement(String s, String s1, String element) throws SAXException {

        if(element.equals(Finals.PARAGRAPH)){
            Paragraph paragraph = new Paragraph();
            paragraph.setContext(tmpValue);
            System.out.println("Contesto: " + tmpValue);
            listP.add(paragraph);

        }
    }
    @Override
    public void characters(char[] ac, int i, int j) throws SAXException {
        tmpValue = new String(ac, i, j);

    }

这就是我期望做的:包含两个段落的列表listP:

1) Lorem ipsum 1 Lorem ipsum 23.
2) The L domain recruits an ATP-requiring cellular factor for this 
       scission event, the only known energy-dependent step in assembly 2 
       Domain is used here to denote the amino 
       acid sequence that constitutes the biological function.

Answer 1

我不确定你所说的“是否可以使用 endElement”是什么意思，但这当然是可能的。您需要编写 SAX 应用程序，以便:

(1) 忽略所有 startElement/endElement <p> 之间的事件aragraph——简单的状态跟踪，或者您可以简单地说您对段落以外的元素不感兴趣，并使您的元素事件处理程序对您不关心的任何内容不进行操作。

(2)累计单独发货characters()事件直到 endElement对于<p>段落。但无论如何您都需要这样做，因为 SAX 始终保留将连续文本作为多个 characters() 提供的权利。调用，原因与解析器缓冲区管理有关。