在 JAXB 中使用多个 @XmlAnyElement 手动处理多个字符串中的 </> 字符

Question

我们正在使用 JAXB 来解组我们无法更改的预存储 XML。不幸的是，预存的 XML 包含一些 HTML 括号，< and >, without CDATA.。例如，我们必须用 JAXB 解组（注意没有 CDATA）：

<Article>
  <ArticleTitle>Note the unescaped inner HTML (T<sub>3</sub>) in the title</ArticleTitle>
  <Abstract>
     <AbstractText>This is another element that has unescaped HTML: T<sub>3</sub>. </AbstractText>
  </Abstract>
</Article>

我们需要保留上面的 HTML 数据。 JAXB 对此感到窒息，并为我们提供了不正确的模型值。

一种可行的解决方案是使用@XmlAnyElement，然后实现DomHandler（见下文）。

但不幸的是，每个类只允许使用 1 个 @XmlAnyElement。如果我为标题和摘要添加多个，则每次只有一个有效。因此此解决方案仅适用于有此问题的 1 个字段。我试过实现XmlAdapter（不是DomHandler），但字符串已经被截断，所以我不能使用那个解决方案，只有这个。

Force jaxb unmarshaller to ignore html Tags

@XmlAnyElement(value=AbstractTextHandler.class)
protected String abstractText=null;

然后实施

public class AbstractTextHandler implements DomHandler<String, StreamResult> {
    private final Logger log = Logger.getLogger(getClass().getName());
    private static final String START_TAG = "<Abstract>";
    private static final String END_TAG = "</Abstract>";

    private StringWriter xmlWriter = new StringWriter(); 

    public StreamResult createUnmarshaller(ValidationEventHandler errorHandler) {
        return new StreamResult(xmlWriter);
    }

    public String getElement(StreamResult rt) {
        String xml = rt.getWriter().toString();
        int beginIndex = xml.indexOf(START_TAG) + START_TAG.length();
        int endIndex = xml.indexOf(END_TAG);
        String result = xml.substring(beginIndex, endIndex);
        log.info("Processing.." + result);
        return result;
    }

    public Source marshal(String n, ValidationEventHandler errorHandler) {
        try {
            String xml = START_TAG + n.trim() + END_TAG;
            StringReader xmlReader = new StringReader(xml);
            return new StreamSource(xmlReader);
        } catch(Exception e) {
            throw new RuntimeException(e);
        }
    }
}

这需要适用于多个字段，但只允许使用 1 个@XmlAnyElement。

我们有没有办法使用 SAX 解析器或其他东西来处理我们自己的 XML 编组，以避免在这些 HTML 括号上窒息？还是有@XmlAnyElement 的解决方法？

Answer 1

正如文档指出的那样，@XmlAnyElement 正在充当 catch-(ALL) 机制。这就是为什么只允许出现一次的原因。

知道了这一点，您可以将 Article JAXB bean 重构为：

@XmlRootElement
public class Article {

  @XmlAnyElement(lax=true)
  protected List<Object> innerBeans;

}

这样，ArticleTitle 和 Abstract 都将作为 JAXB bean 自动解组到“innerBeans”列表中。

Answer 2

通过 XSD 中 ArticleTitle 和 AbstractText 的内容模型的 xsd:complexType 声明上的 mixed="true" 处理混合内容。