解析 XML 文件并保留有关行号的信息

Question

我正在创建一个工具来分析一些 XML 文件（准确地说是 XHTML 文件）。该工具的目的不仅是验证 XML 结构，还可以检查某些属性的值。

因此，我创建了自己的 org.xml.sax.helpers.DefaultHandler 来处理 XML 解析期间的事件。我的要求之一是获得有关当前行号的信息。因此，我决定将 org.xml.sax.helpers.LocatorImpl 添加到我自己的 DefaultHandler 中。这几乎解决了我所有的问题，除了有关 XML 属性的问题。

举个例子：

<rootNode>
    <foo att1="val1"/>
    <bar att2="val2"
         answerToEverything="43"
         att3="val3"/>
</rootNode>

我的一条规则表明，如果在节点 bar 上定义了属性 answerToEverything，则其值不应与 42。

当遇到此类 XML 时，我的工具应该检测到错误。因为我想给用户一个精确的错误消息，例如：

文件“foo.xhtml”第 4 行出错：answerToEverything 只允许“42”作为值。

我的解析器必须能够在解析过程中保留行号，即使是属性。如果我们为我自己的 DefaultHandler 类考虑以下实现：

public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
    System.out.println("Start element <" + qName + ">" + x());
    for (int i = 0; i < attributes.getLength(); i++) {
        System.out.println("Att '" + attributes.getQName(i) + "' = '" + attributes.getValue(i) + "' at " + locator.getLineNumber() + ":" + locator.getColumnNumber());
    }
}

那么对于节点 >bar> ，它将显示以下输出：

从 5:23 开始元素
Att 'att2' = 'val2' 在 5:23
Att 'answerToEverything' = '43' 在 5:23
Att 'att3' = 'val3' 在 5:23

如您所见，行号是错误的，因为解析器会将整个节点（包括其属性）视为一个块。

理想情况下，如果接口 ContentHandler 定义了 startAttribute 和 startElementBeforeReadingAttributes 方法，我在这里不会有任何问题：o）

所以我的问题我该如何解决我的问题？

作为信息，我正在使用 Java 6

ps：也许这个问题的另一个标题可能是 Java SAX 解析与属性解析事件，或者类似的东西......

Answer 1

我认为实现这一点的唯一方法是创建您自己的 InputStream（或 Reader）来计算行数并以某种方式与您的 SAX 处理程序进行通信。我还没有尝试自己实现这一点，但我相信这是可能的。我祝你好运，如果你成功做到这一点并在这里发布你的结果，我会很高兴。

Answer 2

寻找一个开源 XML 编辑器，它的解析器可能有此信息。

编辑器使用的解析器与仅使用 xml 获取数据的应用程序所使用的解析器不同。编辑需要更多信息，就像你说的行号一样，我也会考虑有关空白字符的信息。编辑器的解析器不应丢失有关文件中字符的任何信息。这就是您可以实现格式函数或“选择封闭元素”（Eclipse 中的 Alt-Shift-Up）等的方式。

Answer 3

在 XmlBeans 和 JAXB 中都可以保留行号信息。您可以考虑使用这些工具之一（在 XmlBeans 中更容易）。