为什么SaxParser随机失败？

Question

我在Android应用程序中使用SAX解析器一次读取一些feed.脚本执行如下.

                     // Begin FeedLezer
                    try {

                        /** Handling XML **/
                        SAXParserFactory spf = SAXParserFactory.newInstance();
                        SAXParser sp = spf.newSAXParser();
                        XMLReader xr = sp.getXMLReader();

                        /** Send URL to parse XML Tags **/
                        URL sourceUrl = new URL(
                            BronFeeds[i]);

                        /** Create handler to handle XML Tags ( extends DefaultHandler ) **/
                        Feed_XMLHandler myXMLHandler = new Feed_XMLHandler();
                        xr.setContentHandler(myXMLHandler);
                        xr.parse(new InputSource(sourceUrl.openStream()));

                    } catch (Exception e) {
                        System.out.println("XML Pasing Excpetion = " + e);
                    }
                     sitesList = Feed_XMLHandler.sitesList;

                    String titels = sitesList.getMergedTitles();

这里有Feed_XMLHandler.java和Feed_XMLList.java,我基本上都是从网上获取的.

但是,此代码有时会失败.我将展示一些例子.

http://imm.io/media/2I/2IAs.jpg 这里非常好.它甚至可以识别并显示撇号.即使点击文章打开,几乎所有的文字都显示出来,所以这一切都很好.源提要在这里.我无法控制饲料.

http://imm.io/media/2I/2IB1.jpg在这里,它并没有那么顺利.它显示ï,但它在撇号上窒息(在Waarom之后应该是'NORAD').这里

http://imm.io/media/2I/2IBQ.jpg这是最糟糕的一个.正如你所看到的,标题只显示一个撇号,而它应该是一个'blablabla'.此外,文本在行的中间结束,引号中没有任何特殊字符.饲料在这里

在所有情况下,我都无法控制Feed.我认为脚本确实会阻塞特殊字符.如何确保SAX正确获取所有字符串？

如果有人知道答案,你真的帮了我很多:D

提前致谢.

Answer 1

这来自Xerces的FAQ.

为什么SAX解析器会丢失一些字符数据,或者为什么数据会分成几个块？如果您阅读SAX文档,您会发现SAX可能会将连续文本作为多个字符调用提供,原因与解析器效率和输入缓冲有关.程序员有责任适当地处理,例如通过累积文本直到下一个非字符事件.

您的代码很好地适应了许多XML解析教程之一(就像这里的一个)现在,教程很好,但是他们没有提到非常重要的东西......

请注意这部分......

    public void characters(char[] ch, int start, int length)
            throws SAXException
    {
              if(in_ThisTag){
                     myobj.setName(new String(ch,start,length))
              }
    }

我打赌,此时你正在检查布尔值,以标记你所在的标签,然后设置某种类型的价值class？或类似的东西....

但问题是,SAX解析器(缓冲)将不会一次性获取标签之间的所有字符....如果是<tag> Lorem Ipsum...really long sentence...</tag>这样,你的SAX解析器调用characters函数是块....

所以这里的技巧是继续将值附加到字符串变量,并set在标记结束时将其实际(或提交)到结构中...(即in endElement)

例

@Override
public void endElement(String uri, String localName, String qName)
        throws SAXException {

    currentElement = false;

    /** set value */
    if (localName.equalsIgnoreCase("tag"))
            {
        sitesList.setName(currentValue);
                    currentValue = ""; //reset the currentValue
            }

}

@Override
public void characters(char[] ch, int start, int length)
        throws SAXException {

    if (in_Tag) {
        currentValue += new String(ch, start, length); //keep appending string, don't set it right here....maybe there's more to come.
    }

}

此外,如果你使用StringBuilder附加会更好,因为这将更有效....

希望它有意义!如果没有检查这个和这里