Sax parsing and encoding

Question

У меня есть контакт, который испытывает проблемы с SAX при анализе файлов RSS и Atom. По его словам, как будто текст, исходящий из элементов Item, усекается при апострофе или иногда акцентированном персонаже. Кажется, что проблема с кодировкой тоже.

Я попробовал SAX, и у меня тоже есть усечение, но еще не удалось выкопать. Я был бы признателен за некоторые предложения, если кто-то из них уже справился с этим.

Это код, который используется в ContentHandler:

public void characters(char[], int start, int end) throws SAXException { 
// 
    link = new String(ch, start, end); 

Edit: Проблема кодирования может быть связано с хранением информации в виде массива байтов, как я знаю, Java работает в Unicode.

Answer 1

Метод characters() не гарантирует полного содержимого символов текстового элемента за один проход - полный текст может охватывать границы буфера. Вы должны сами буферизировать символы между событиями начала и конца элемента.

например.

StringBuilder builder; 

public void startElement(String uri, String localName, String qName, Attributes atts) { 
    builder = new StringBuilder(); 
} 

public void characters(char[] ch, int start, int length) { 
    builder.append(ch,start,length); 
} 

public void endElement(String uri, String localName, String qName) { 
    String theFullText = builder.toString(); 
} 

Answer 2

Как вы передаете вход SAX? Как InputStream (рекомендуется) или Reader? Итак, начиная с вашего байта [], попробуйте использовать ByteArrayInputStream.

Answer 3

XML entities создавать специальные мероприятия в SAX. Вы можете поймать их с LexicalHandler, хотя это вообще не нужно. Но это объясняет , почему нельзя предположить, что вы получите только одно событие characters за тег. Используйте буфер, как описано в других ответах.

Например hello&world будет генерировать последовательность

• StartElement
• символы привет
• startEntity
• символов &
• endEntity
• символов мира

Посмотрите на Auxialiary SAX interface, если хотите еще несколько примеров. Другие специальные события - внешние лица, комментарии, CDATA и т. Д.