如何以文本形式检索元素混合子元素 (JDOM)

Question

我有一个如下所示的 XML：

<documentation>
    This value must be <i>bigger</i> than the other.
</documentation>

使用 JDOM，我可以获得以下文本结构：

Document d = new SAXBuilder().build( new StringReader( s ) );
System.out.printf( "getText:          '%s'%n", d.getRootElement().getText() );
System.out.printf( "getTextNormalize: '%s'%n", d.getRootElement().getTextNormalize() );
System.out.printf( "getTextTrim:      '%s'%n", d.getRootElement().getTextTrim() );
System.out.printf( "getValue:         '%s'%n", d.getRootElement().getValue() );

这给了我以下输出：

getText:          '
    This value must be  than the other.
'
getTextNormalize: 'This value must be than the other.'
getTextTrim:      'This value must be  than the other.'
getValue:         '
    This value must be bigger than the other.
'

我真正想要的是以字符串形式获取元素的内容，即 "This value必须比另一个大。”。 getValue() 很接近，但删除了 标记。我想我想要类似 innerHTML 的 XML 文档...

我应该在内容上使用 XMLOutputter 吗？或者有更好的选择吗？

Answer 1

在 JDOM 伪代码中：

for Object o in d.getRootElement().getContents()
   if o instanceOf Element
      print <o.getName>o.getText</o.getName>
   else // it's a text
      print o.getText() 

然而，正如 Prashant Bhate 所写： content.getText() 给出即时文本，该文本仅在以下情况下有用：带有文本内容的叶子元素。

Answer 2

Jericho HTML 非常适合此类任务。您可以使用这样的代码块准确地完成您想要做的事情：

String snippet = new Source(html).getFirstElement().getContent().toString();

它对于一般的 HTML 处理也非常有用，因为它不会试图强制它成为 XML...它处理它的方式要宽松得多。

Answer 3

我想说您应该更改您的文档

<documentation>
  <![CDATA[This value must be <i>bigger</i> than the other.]]>
</documentation>

以遵守 XML 规范。否则， 将被视为 的子元素，而不是内容。