Saxの解析とエンコーディング

Question

RSSとAtomファイルの解析時にSAXに問題が発生しました。彼によると、Item要素からのテキストがアポストロフィやアクセント付きの文字で切り捨てられているかのようです。エンコードにも問題があるようです。

私はSAXに試してみましたが、私は切り捨てを行っていますが、それ以上は掘り下げることができませんでした。誰かがこれに前に取り組んでいるなら、いくつかの提案を感謝します。

これはContentHandlerの中で使われているコードです：

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

編集：私はJavaはUnicodeで動作します知っているようにエンコードの問題は、バイト配列に情報を格納する原因である可能性があります。

Answer 1

characters（）メソッドは、1回のパスでテキスト要素の完全な文字内容を保証するものではありません。フルテキストはバッファ境界にまたがることがあります。開始イベントと終了イベントの間で、文字を自分でバッファリングする必要があります。

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

どのように入力をSAXに渡しますか？ InputStream（推奨）またはReaderとして？したがって、あなたのバイト[]から始めて、ByteArrayInputStreamを使ってみてください。

Answer 3

XML entitiesはSAXで特別なイベントを生成します。 LexicalHandlerでキャッチすることはできますが、一般的には必要ありません。しかし、これはを説明します。charactersイベントはタグごとに1つしか受け取らないと想定できません。他の回答で説明されているようにバッファを使用してください。 hello&worldはシーケンス

• のstartElement
• 文字ハロー
• startEntity
• 文字&
• からendEntity
• 文字の世界を生成します例えば

さらに詳しい例が必要な場合は、Auxialiary SAX interfaceをご覧ください。その他の特別イベントは、外部エンティティ、コメント、CDATAなどです。