从 Java 中的 XML 文件中解析文本值

Question

所以现在我正在使用 Java 中的 SAX 解析器来解析位于 a.docx 文件存档中的“document.xml”文件。 以下是我要解析的示例...

样品 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。 有没有人对此有任何想法或经验？ 先感谢您。

Answer 1

阅读这篇关于 SAX 解析的文章（它很旧但仍然有效），特别注意characters方法是如何实现的。 这是非常不直观的，并且会绊倒每个人，您会因为似乎没有充分理由而多次致电characters 。

此外，关于 SAX 的 Java 教程对字符方法进行了简短说明：

解析器不需要一次返回任何特定数量的字符。 解析器一次可以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，明智的做法是让 characters() 方法将字符累积在 java.lang.StringBuffer 中，并仅在您确定所有字符都已找到时才对它们进行操作。

在您的情况下（没有混合内容的 XML），这意味着存储多个 characters() 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 - 当您可能只期望一个时，您可能会收到多个调用。