java - Sax 解析器：忽略 HTML

Question

我正在使用 sax 解析器来解析 XML 文件。它工作正常，但我不想解析<info>标签的内容，因为它包含我想保存到字符串的 HTML。谁能告诉我有什么办法可以做到这一点吗？

谢谢

Answer 1

虽问。最好的方法可能是预处理流，转义<info>和</info>你自己之间的部分。例如，您可以在输入流周围编写一个包装器，以便即时转换您的输入，这样 SAX 解析器得到的只是有效的 XML。

Answer 2

这是伪代码。使用前适应。使用风险自负。

这不会处理嵌套在外部 info 标记内的 <info> 标记。

init:
  ignore = false;

startElement:
  if (!ignore) {
    if (element.name == "info") {
      ignore = true;
    } else {
      process normally
    }
 }

endElement:
  if (ignore) {
    if (element.name == "info") {
      ignore = false;
    }
  } else {
    process normally
  }

Answer 3

您的 XML 是否很大？如果没有 - 您可以将其全部加载到字符串中，然后使用 XPath 查询访问感兴趣的节点