0

背景：

最近，我的任务是从 HTML 表单中解析出大量数据并将其构建到一个可用的数据库表中。有问题的 HTML 页面是很久以前生成的，原始源数据已失传。因此，我决定放弃 Java 中的快速解析器来获取这些数据并对其进行适当的格式化。将利用 SAX，因为我不需要以任何方式修改层次结构，只需要一次传递。下面包含一个非常小的 HTML 示例：

<html>
 <table>
  <tr>
   <table>
    <tr>
     <td><div>District 1</div><td></tr>
    <tr>
     <td><div>Valid Code 1</div></td>
     <td><div>Valid Code 2</div></td>
     <td><div>Valid Code 3</div></td>
    </tr>
   </table>
  </tr>
ETC...

显然，HTML 不仅仅是上面概述的内容，但这应该给出结构的概念。

问题：

我正在寻找一种智能的、可扩展的、自记录的和（如果可能的话）快速/精简的方法来使用 SAX 解析器跟踪我在 XML 层次结构中的当前位置。由于使用 SAX，我有三个仅针对单个元素触发的离散方法调用，因此此状态必须是持久且可存储的。这样做的最明显和最简单的方法是使用大量布尔变量，但这不是我之前列出的四个租户。我还考虑过使用位掩码来维护大量标志，但这很难自我记录或非常可扩展。最后，我考虑了一个有限状态自动机（或其他类似的衍生产品，例如下推自动机），但对于一次性机器来说，这些似乎有点矫枉过正。

也许我过度思考一次性代码的问题，我一直在寻求扩展我的技能组合，因为我不得不编写不是一次性的代码。提前感谢您的时间和帮助。

参考：

http://www.mkyong.com/java/how-to-read-xml-file-in-java-sax-parser/

大型嵌套 switch 语句的设计模式 （与 XML 没有直接关系，但给出了一些关于使用大量离散条件进行设计的想法）

4

1 回答 1

0

我会保留一堆结构{element, count}，并且对于每个结构，startElement()我都会增加父结构count和push一个新元素，然后在.endElement()pop

这样，您将能够在给定文档中保留唯一位置，并构造 XPath，如/html/table/tr[23]/td[1]. 或者，更快但可能会消耗更多内存，您可以复制当前堆栈。

于 2013-06-22T19:51:48.323 回答