jaxb - 如何在 HTML 中使用 JAXB？

Question

我想使用 JAXB 将一些讨厌的 HTML 解码为 Java 对象。 (我使用的是 Java 7)。

Tagsoup 是一个符合 SAX 的 XML 解析器，可以处理讨厌的 HTML。

如何设置 JAXB 以使用 Tagsoup 解码 HTML？

我尝试设置 System.setProperty("org.xml.sax.driver", "org.ccil.cowan.tagsoup.Parser");

如果我创建一个 XMLReader，它会使用 Tagsoup，但当我使用 JAXB 时则不会。

1. com.sun.xml.internal.bind.v2.runtime.JAXBContextImpl 是使用 DOM 还是 SAX 来解析 XML？

2. 如何让 JAXB 使用 SAX？

3. 我如何告诉 JAXB 使用 TagSoup，因为它是 SAX 实现？

按照 Blaise 的建议，在下面进行了尝试，但在最后一行出现了 SAXParseException。仅使用 XMLReader 完成解析就可以了:

    JAXBContext jaxbContext = JAXBContext.newInstance(Thing.class);
    Unmarshaller unmarshaller = jaxbContext.createUnmarshaller();

    XMLReader xmlReader = new org.ccil.cowan.tagsoup.Parser();

    xmlReader.parse("file:///c:/test.xml");
    System.out.println("parse ok");

    xmlReader.setContentHandler(unmarshaller.getUnmarshallerHandler());

    //SAXParseException; systemId: file:/c:/test.xml; lineNumber: 5; columnNumber: 3; The element type "br" must be terminated by the matching end-tag "</br>".
    Thing thing = (Thing) unmarshaller.unmarshal(new File("c:/test.xml"));

Answer 1

您可以从 Unmarshaller 获取一个 UnmarshallerHandler 并将其设置为您的 SAX 解析器上的 ContentHandler。在执行 SAX 解析后，从 UnmarshallerHandler 获取对象。

UnmarshallerHandler unmarshallerHandler = unmarshaller.getUnmarshallerHandler();
xmlReader.setContentHandler(unmarshallerHandler);
xmlReader.parse(...);
Thing thing = (Thing) unmarshallerHandler.getResult();

我的博客上有这样的例子:

• http://blog.bdoughan.com/2011/05/jaxb-and-dtd.html