Java XML 解析和原始字节偏移答案

【问题标题】：Java XML Parsing and original byte offsetsJava XML 解析和原始字节偏移
【发布时间】：2010-08-17 22:05:10
【问题描述】：

我想将一些格式良好的 XML 解析成 DOM，但我想知道每个节点的标签在原始媒体中的偏移量。

例如，如果我有一个 XML 文档，其内容类似于：

<html>
<body>
<div>text</div>
</body>
</html>

我想知道该节点在原始媒体中的偏移量 13 处开始，并且（更重要的是）“文本”从偏移量 18 处开始。

标准的 Java XML 解析器可以做到这一点吗？ JAXB？如果没有容易获得的解决方案，那么解析路径上需要进行哪些类型的更改才能使其成为可能？

【问题讨论】：

看看这个问题stackoverflow.com/questions/43366566 以查找大型 XML 文件中的字符偏移以及如何与 JAXB 一起使用。
另见JAXB location in file for unmarshalled objects

标签： java xml parsing jaxb sax

【解决方案1】：

SAX API 为此提供了一种相当模糊的机制——org.xml.sax.Locator 接口。当您使用 SAX API 时，您将子类化 DefaultHandler 并将其传递给 SAX 解析方法，并且 SAX 解析器实现应该通过 setDocumentLocator() 将 Locator 注入您的 DefaultHandler。随着解析的进行，你的ContentHandler上的各种回调方法被调用（例如startElement()），此时你可以参考Locator找出解析位置（通过getColumnNumber()和getLineNumber()）

从技术上讲，这是可选功能，但 javadoc 表示“强烈鼓励”实现提供它，因此您可以假设 JavaSE 中内置的 SAX 解析器可以做到这一点。

当然，这确实意味着使用 SAX API，这不是一个有趣的想法，但我看不到使用更高级别的 API 访问这些信息的方法。

编辑：找到this example。

【讨论】：

【解决方案2】：

使用 XML Streamreader 及其 getLocation() 方法返回位置对象。 location.getCharacterOffset() 给出当前位置的字节偏移量。

import javax.xml.stream.Location;
import javax.xml.stream.XMLInputFactory;
import javax.xml.stream.XMLStreamReader;

public class Runner {

public static void main(String argv[]) {

    XMLInputFactory factory = XMLInputFactory.newInstance();
    try{
    XMLStreamReader streamReader = factory.createXMLStreamReader(
           new FileReader("D:\\BigFile.xml"));

    while(streamReader.hasNext()){
        streamReader.next();
        if(streamReader.getEventType() == XMLStreamReader.START_ELEMENT){
            Location location = streamReader.getLocation();
            System.out.println("byte location: " + location.getCharacterOffset());
            }
        }
    } catch(Exception e){
        e.printStackTrace();
    }

【讨论】：