使用 SAXParser 解析 xml 的意外行为

Question

我只是在读一个 xml 并写回 xml:

<p>Il <b>1888</b> (MDCCCLXXXVIII in numeri romani) è un anno bisestile del XIX secolo.</p>

结果是：

<p>Il<b>1888</b> (MDCCCLXXXVIII in numeri romani) è un anno bisestile del XIX secolo.</p>

如你所见，我丢了一个space。

有人可以向我解释原因吗，或者我该如何防止这种情况？

我的代码：

 package parsing;

import java.io.ByteArrayInputStream;
import java.io.InputStream;
import java.nio.charset.StandardCharsets;

import org.jdom2.Document;
import org.jdom2.Element;
import org.jdom2.input.SAXBuilder;
import org.jdom2.output.Format;
import org.jdom2.output.XMLOutputter;

public class TextCase {

    public static void main(String[] args) throws Exception {
        // TODO Auto-generated method stub
        String text = "<p>Il <b>1888</b> (MDCCCLXXXVIII in numeri romani) è un anno bisestile del XIX secolo.</p>";
        String newString = readSave(text);
        System.out.println(newString);

    }

    public static String readSave(String text) throws Exception {


        InputStream is = new ByteArrayInputStream((text).getBytes(StandardCharsets.UTF_8.name()));
        SAXBuilder saxBuilder = new SAXBuilder();
        Document document = saxBuilder.build(is);
        Element classElement = document.getRootElement();

        //processElement(classElement, months, monthIndex);

        XMLOutputter outputter = new XMLOutputter(Format.getCompactFormat().setOmitDeclaration(true));
        String output = outputter.outputString(classElement);

        return output;
    }
}

Answer 1

您需要使用 Format.getRawFormat() 而不是 Format.getCompactFormat()

Format.getCompactFormat()

<p>Il<b>1888</b>(MDCCCLXXXVIII in numeri romani) è un anno bisestile del XIX secolo.</p>

Format.getPrettyFormat()

<p>
  Il
  <b>1888</b>
  (MDCCCLXXXVIII in numeri romani) è un anno bisestile del XIX secolo.
</p>

Format.getRawFormat()

<p>Il <b>1888</b> (MDCCCLXXXVIII in numeri romani) è un anno bisestile del XIX secolo.</p>

使用 SAXParser 解析 xml 的意外行为

unexpected behaviour parsing xml with SAXParser

java

parsing

sax