在 Java 中解析 XML 文件中的文本值

Question

现在我正在使用 Java 中的 SAX 解析器来解析位于 .docx 文件存档中的“document.xml”文件。下面是我试图解析的示例...

示例 XML 文档

<w:pStyle w:val="Heading2" /> 
  </w:pPr>
  <w:bookmarkStart w:id="0" w:name="_Toc258435889" /> 
  <w:bookmarkStart w:id="1" w:name="_Toc259085121" /> 
  <w:bookmarkStart w:id="2" w:name="_Toc259261685" /> 
- <w:r w:rsidRPr="00415FD6">
  <w:t>Text To Extract</w:t> 
  </w:r>
  <w:bookmarkEnd w:id="0" /> 
  <w:bookmarkEnd w:id="1" /> 
  <w:bookmarkEnd w:id="2" /> 

现在，我知道如何取出属性值，这并不难。但是，我不知道如何进入并解析节点内的实际文本。有人对此有任何想法或经验吗？先感谢您。

Answer 1

阅读这篇关于 SAX 解析的文章（它是旧但仍然有效），请特别注意 characters 方法是如何实现的。这是非常不直观的，并且会让每个人都感到困惑，你会因为看似没有充分理由的原因而多次调用字符。

另外，SAX 的 Java 教程 对这些字符进行了简短说明方法：

解析器不需要一次返回任何特定数量的字符。解析器可以一次返回从单个字符到数千个字符的任何内容，并且仍然是符合标准的实现。因此，如果您的应用程序需要处理它看到的字符，那么明智的做法是让 strings() 方法将字符累积在 java.lang.StringBuffer 中，并仅在您确定已找到所有字符时才对它们进行操作。< /p>

在您的情况下（没有混合内容的 XML），这意味着存储多个character() 调用的结果，直到下一次调用 endElement。

Answer 2

请参阅characters() ContentHandler 方法。仔细阅读 javadoc - 当您只期望一个调用时，您可能会收到多个调用。