SAX 究竟是如何解析文档的？

Question

我试图通过简单地实现org.xml.sax.ContentHandler 来解析我在SAX 中的一些XML 文档，但我不知道我是否理解了流程。对于给定的 XML 文档：

<?xml version="1.0"?>
<list>
    <item>
        <name>One</name>
        <description>The number 1, expressed in letters.
    </item>
    <item>
        <name>Two</name>
        <description>The number 2, expressed in letters.
    </item>
</list>

解析器中事件的预期顺序是什么？我的假设是否正确：

startDocument()
    startElement() -> "list"

        startElement() -> "item"
            startElement() -> "name"
                characters() (>=1 times) -> "One"
            endElement() -> "name"
            startElement() -> "description"
                characters() (>=1 times) -> "The number 1, expressed in letters."
            endElement() -> "description"
        endElement() -> "item"

        startElement() -> "item"
            startElement() -> "name"
                characters() (>=1 times) -> "Two"
            endElement() -> "name"
            startElement() -> "description"
                characters() (>=1 times) -> "The number 2, expressed in letters."
            endElement() -> "description"
        endElement() -> "item"

    endElement() -> "list"
endDocument()

这就是它的要点吗？

另外，最简单的解析方法是什么？目前，在每次调用startElement 时，当我在characters 调用中解析数据时，我将当前元素的名称保存为私有变量。有没有更简单/更好的方法？

Answer 1

是的，你已经掌握了它的要点。

SAX 是一个非常低级的接口，所以不要指望它很容易。在大多数 SAX 应用程序中，您可能希望维护一个堆栈，其中 startElement 将元素名称压入堆栈，而 endElement 将其弹出。如果您不处理混合内容，那么 characters() 可能应该附加到与堆栈顶部的元素关联的 StringBuffer，并且您应该在 endElement 事件发生时处理 StringBuffer 中的字符内容。这是因为字符内容可以按照解析器的任何方式拆分为对 characters() 的多个调用。

Answer 2

遗憾的是，SAX 状态机没有很好的文档记录。与其告诉你一些细节，我建议你编写你的第一个内容处理程序，它只记录控制台上发生的所有事情，并使用不同的输入进行播放。

但是...是的，您已经掌握了要点。

就“最简单的解析方式”而言，我很想说“不是 SAX”。在使用 SAX 时，您需要以一种或另一种方式实现反映文档中结构转换的状态机。如果文档很简单，您甚至可能无法将其识别为状态机本身。但是，如果您这样考虑，我认为随着事件的进行，您将很容易了解如何存储您需要的东西。