XML解析及相關問題

常見的XML解析方式主要有jdom，sax等，不過jdom貌似用的更多點。

在開發中，我們可能會碰到XML解析相關的問題，至於xml結構定義相關的錯誤就不提了，無非就是多了空格，差個收尾標籤之類的低級錯誤，相信你仔細找找肯定能發現癥結所在。這裏，我們就談談XML無法解析特殊字符的解決方法。

我們知道，XML解析器的解析原理肯定是利用一些特殊的標記符來分離XML文檔中，基本的XML標籤元素和標籤內容的。完整的標籤都是以<></>這種方式定義的，那麼作爲組成元素之一的'<'和'>',毫無疑問會被解析器特殊處理，說的書面一點，'<'和'>'就是XML中的預定義實體引用。XML中一共有五個類似的特殊實體引用：

那麼如果我們想讀取XML文件中這些特殊符號該怎麼處理呢？比如'1<4'，解析的時候肯定報語法錯誤了。

現在有兩種解決方法：

1.用實體引用代替符號

2.使用CDATA處理特殊字符(CDATA 指的是不由 XML 解析器進行解析的文本數據)

值得注意的是，CDATA的文本內容中不能出現字符串“]]>”，且不可嵌套使用。

下面有個實例程序可供參考：

package jj.io;

import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.List;

import org.jdom.Document;
import org.jdom.Element;
import org.jdom.JDOMException;
import org.jdom.input.SAXBuilder;

public class TestPushBackInputStream {
	public static void main(String[] args) {
		testXML();
	}
	public static void testXML() {
		try {
			String path = "E:/xml01.xml";
			SAXBuilder sb = new SAXBuilder();
			InputStreamReader isr = new InputStreamReader(new FileInputStream(path),"gbk");
			//Document doc1 = sb.build(new File(path));這種方式簡單，但可能會碰到亂碼問題
			Document doc = sb.build(isr);
			Element ele = doc.getRootElement();
			List<Element> eL = ele.getChildren("p");
			for (Element e : eL) {
				System.out.println("#####");
				System.out.println(e.getAttributeValue("name"));
				System.out.println(e.getText());
			}
		} catch (FileNotFoundException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		} catch (JDOMException e) {
			e.printStackTrace();
		}
	}
}

相關的XML文件如下：

<?xml version="1.0" encoding="gbk"?>
<table>
	<p name="姜哥哥">帥帥噠!</p>
	<p name="特殊字符">><&"</p>
	<p name="CDATA"><![CDATA[<,>]]></p>
</table>

解析出的效果如下：

#####
姜哥哥
帥帥噠!
#####
特殊字符
><&"
#####
CDATA
<,>