我有一个联系人在解析 RSS 和 Atom 文件时遇到了 SAX 问题。据他说，就好像来自 Item 元素的文本在撇号或有时是重音字符处被截断。编码似乎也有问题。
我已经尝试过 SAX，我也进行了一些截断，但无法进一步挖掘。如果有人以前解决过这个问题，我会很感激一些建议。
这是 ContentHandler 中使用的代码：
public void characters( char[], int start, int end ) throws SAXException {
//
link = new String(ch, start, end);
编辑：编码问题可能是由于将信息存储在字节数组中，因为我知道 Java 在 Unicode 中工作。
characters() 方法不能保证一次性为您提供文本元素的完整字符内容 - 全文可能跨越缓冲区边界。您需要自己在开始和结束元素事件之间缓冲字符。
例如
StringBuilder builder;
public void startElement(String uri, String localName, String qName, Attributes atts) {
builder = new StringBuilder();
}
public void characters(char[] ch, int start, int length) {
builder.append(ch,start,length);
}
public void endElement(String uri, String localName, String qName) {
String theFullText = builder.toString();
}
XML 实体在 SAX 中生成特殊事件。您可以使用LexicalHandler捕获它们，尽管通常没有必要。但这解释了为什么不能假设每个标签只会收到一个字符事件。使用其他答案中解释的缓冲区。
例如hello&world将生成序列
如果您想要更多示例，请查看辅助 SAX 接口。其他特殊事件是外部实体、评论、CDATA 等。
您如何将输入传递给 SAX？作为 InputStream（推荐）还是 Reader？因此，从您的 byte[] 开始，尝试使用ByteArrayInputStream。