Xerces-c SaxParser 问题答案

【问题标题】：Xerces-c SaxParser issuesXerces-c SaxParser 问题
【发布时间】：2015-11-27 11:15:03
【问题描述】：

我正在使用 xerces-c 解析 XML 文件，但得到一些奇怪的结果。

我创建自己的 DocumentHandler（从 HandlerBase 派生）并覆盖：

void characters(const XMLCh* const chars, const unsigned int length);

这样我会收到元素内字符数据的通知。

为了解析文件，我创建了一个解析器，创建了一个输入缓冲区，创建了我的处理程序并调用了 parse。

SAXParser* lp_parser = new SAXParser();

XMLCh* lp_fileName = XMLString::transcode("myfile.xml");
LocalFileInputSource l_fileBuf(lp_fileName);
XMLString::release(&lp_fileName);

MyHandler l_handler;

lp_parser->setDocumentHandler((DocumentHandler *)&l_handler);

lp_parser->parse(l_fileBuf);

delete lp_parser;

问题在于 characters([...]) 不仅被调用字符数据，而且（有时多次）每个标签被调用，给我一组空格和一个换行符作为字符数据。

即<Tag>Value</Tag> 产生两个对 characters([...]) 的调用，一个是数据是“值”，另一个是（或多个）数据类似于“ \n ”

xml 文件本身不包含这些字符。我让用户 xerces-c 像这样多次解析 XML 没有任何问题，尽管这是我第一次使用 LocalFileInputSource（我通常使用 MemBufInputSource）。

有什么想法吗？

【问题讨论】：

看起来解析器正在给我提供“可忽略的空白”，但到目前为止我一直无法找到如何阻止它。我发现的一个建议是“验证解析器”不会将这些发送到“字符（[...]）”，而是发送到“ignorableWhitespace（[...]）”，但到目前为止我还没有让它工作。

标签： c++ xml xerces-c

【解决方案1】：

我在使用 SAX2XMLReader 时遇到了类似的问题。我的理解是，对于 SAX 解析器，开发人员在解析时知道他在 XML 结构中的位置。

这些对 characters() 的后续调用可能是针对文件中的其他标签或可忽略的空格。

根据数据的长度，也有可能为同一个标签多次调用回调字符。您可以将每次通话收到的数据连接起来。

所以我要做的是使用回调函数 startElement() 和 endElement() 检测标签 <Tag> 的开始和结束。通过这种方式，您可以在收到标签的 endElement() 后丢弃对 characters() 的后续调用。

【讨论】：

是的，这也是我选择“修复”这个问题的方式。