java - SAX XML Java 实体问题

Question

我对 SAX 和 Java 有疑问。

我正在解析 dblp 数字图书馆数据库 xml 文件(其中列举了期刊、 session 、论文)。 XML 文件非常大 (> 700MB)。

但是，我的问题是，当回调 characters() 返回时，如果检索到的字符串包含多个 entities，则该方法只返回从最后一个实体开始的字符串找到字符。

即:Rüdiger Mecke是<author>之间的原作者姓名标签

üdiger Mecke是结果

(从 characters (ch[], start, length) 方法返回的字符串)。

我想知道:

1. 如何防止 PArser 自动解析实体？
2. 如何解决前面描述的截断字符问题？

Answer 1

characters() 不保证在一次调用中返回所有字符。来自 Javadoc:

The Parser will call this method to report each chunk of character data. SAX parsers may return all contiguous character data in a single chunk, or they may split it into several chunks.

您需要附加所有调用中返回的字符，例如:

private StringBuffer tempValue = new StringBuffer();

startElement()
{
    tempValue.setLength(0); // clear buffer...
}

characters(characters(char[] ch, int start, int length)
{
    tempValue.append(ch, start, length); // append to buffer
}

endElement()
{
    String value = tempValue.toString(); // use characters in buffer...
}