java - 从 Wordpress 提要中解析 Java 中的 XML

Question

private void parseXml(String urlPath) throws Exception {
    URL url = new URL(urlPath);
    URLConnection connection = url.openConnection();
    DocumentBuilder db = DOCUMENT_BUILDER_FACTORY.newDocumentBuilder();

    final Document document = db.parse(connection.getInputStream());
    XPath xPathEvaluator = XPATH_FACTORY.newXPath();
    XPathExpression nameExpr = xPathEvaluator.compile("rss/channel/item/title");
    NodeList trackNameNodes = (NodeList) nameExpr.evaluate(document, XPathConstants.NODESET);
    for (int i = 0; i < trackNameNodes.getLength(); i++) {
        Node trackNameNode = trackNameNodes.item(i);
            System.out.println(String.format("Blog Entry Title: %s" , trackNameNode.getTextContent()));
        XPathExpression artistNameExpr = xPathEvaluator.compile("rss/channel/item/content:encoded");
        NodeList artistNameNodes = (NodeList) artistNameExpr.evaluate(trackNameNode, XPathConstants.NODESET);
        for (int j=0; j < artistNameNodes.getLength(); j++) {
            System.out.println(String.format(" - Artist Name: %s", artistNameNodes.item(j).getTextContent()));
        }
    }
}

我有这段代码用于从默认的 wordpress xml 中解析标题和内容，唯一的问题是当我尝试获取博客条目的内容时，xml 标记是:<content:encoded>而且我不明白如何检索这些数据？

Answer 1

标签<content:encoded>表示名称为 encoded 的元素在前缀为 content 的 XML 命名空间中. XPath 求值器可能无法解析 content它的命名空间的前缀，我认为是 http://purl.org/rss/1.0/modules/content/来自快速谷歌。

要解决它，您需要执行以下操作:

1. 确保您的 DocumentBuilderFactory 有 setNamespaceAware( true )在构造之后调用它，否则在解析期间所有 namespace 都将被丢弃。
2. 编写 javax.xml.namespace.NamespaceContext 的实现将前缀解析为其命名空间 ( doc )。
3. 调用XPath#setNamespaceContext()与您的实现。