我不想解析某些标签XML

问题描述：

目前，这将是我工作的一个示例XML：我不想解析某些标签XML

<smsq> 
    <sms> 
    <id>96</id> 
    <to>03333560511</to> 
    <msg> danial says: hahaha <space> nothing. 
    </msg> 
    </sms> 
</smsq>

现在，请注意，该标签可以包含其他标签（这不应该被解析），我必须为此做一个dtd。 DTD中是这样的：

<!DOCTYPE smsq [ 
    <!ELEMENT sms (mID,to,msg,type)> 
    <!ELEMENT mID (#PCDATA)> 
    <!ELEMENT to (#PCDATA)> 
    <!ELEMENT msg (CDATA)> 
]>

但问题是，XML解析器还是那张在标签和说，标签应与标签关闭。我只是想从XML获取数据，我不想进一步解析msg。

请帮我解决问题，并告诉我这是否可以用DTD完成。

谢谢！

如果标签不是封闭的，它不是XML。为了使XML可用，它必须是*格式正确*和*有效*。每个XML解析器都必须*拒绝输入的XML，如果它不是格式良好的*，并且缺少结束标记意味着它确实没有良好的形式。这一般取决于XML的广泛适用性和可用性。 – Abel 2010-08-22 18:17:51

@Abel，它不一定是有效的可用。在很多情况下，格式良好就足够了。 – 2010-08-22 18:19:38

@Jon：这是非常真实的，但是如果存在DTD，就像在这种情况下一样，XML必须是有效的才能被解析。 //只检查：无效的XML必须报告为*错误*，但这些错误不是*致命错误*，因为格式良好，即解析可以继续。 – Abel 2010-08-22 18:24:28

答

首先，示例xml不是真正的xml，因为“space”标记未关闭。

其次，它看起来不想分析“空间”标签的原因是因为它不是真的xml - 只是看起来像xml的文本。文本应该被转义/编码或包含在CDATA标签中。

最后 - 如果你想解析的确实是xml，而你只想解析第一级标签。我不会打扰一个真正的XML解析器 - 我会创建我自己的超简单解析器 - 它所要做的就是解析一级节点 - 这不应该太难。

祝你好运！

只要节点中的数据位于CDATA区域，就可以使用DTD完成...... – 2010-08-22 18:07:35

@Hojou：没有，CDATA内部没有解析，也不能用DTD定义。但是，如果您想使用DTD并定义非关闭（即打开）元素，您可以*，但它不再是XML。这是一个SGML的实现，它很难与（像经典的HTML） – Abel 2010-08-22 18:22:00

@Abel一起工作：这就是我的观点 - 如果它在CDATA中，他将不必担心分析器试图解析它。 – 2010-08-23 07:20:39

答

DTD不能帮你解决这个问题。决不要求DTD（尽管它非常方便）。

您在上面发布的文档不是有效的XML文档。期。就是这样，没有合理的XML解析器会为你解析它而不会引起错误。

你可以做的是将<符号替换为< XML实体。

没有冒犯，但是我用简单的英文写了这个，“我不想解析XML中的一些标签“期间。 – 2010-08-31 02:48:54

答

你不能制作一个DTD，使得越野车XML神奇不是越野车。 XML格式不完整，所以它不可能是有效的，因为格式良好是有效性的先决条件（AFAICT的有效性甚至不重要）。这与英语句子中的单词必须全部是英语单词，才能成为一个格式正确的英语句子是类似的。

<space>未关闭。它应该在<msg>中有以下</space>，用<space/>代替，或者如果说你不希望它被伪造，那么你的意思是你需要实际文本"<space>"在那里，那么你应该编码它（即<space>）。

你能告诉我php中的编码函数和java中的解码函数吗？ – 2010-08-28 03:02:25

答

所有XML标签必须关闭，或者像<tag></tag>或<tag />。

如果你想<space>标签被解析为标签的文本值，而不是作为一个子标签，使用<和>代替<和>：

&lt;space&gt;

只需注意，'>'不需要转义（尽管这样做很常见）。 – Abel 2010-08-22 18:20:25

答

我会隔离解决方案把你的问题变成一种方法，现在就处理它。毕竟，您可能无法控制消息内容的正确性。

private static String getMessage(String msg){ 
    return msg.substring(msg.indexOf("<msg>")+5, msg.lastIndexOf("</msg>")); 
}//method

随着更多用例可用，您可以稍后再加强它。

编辑：如果有人把一个“味精”元素的内容，那么它仍然有效

然后当有人在内容中放置“味精”元素？如果他们没有必要的控制来修复错误的XML，那么他们需要首先定义**，然后精确地定义**它可能是多么的错误。 – 2010-08-22 21:14:40

处理XML的程序员不太可能将其作为字符串处理。如果他们这样做，它不是XML，或者他们犯了一个巨大的错误，或者两者兼而有之。只有很少的用例将XML作为字符串处理，这不是其中之一（为了让您的示例正常工作，您首先必须修复XML，然后解析XML，然后转到该元素，然后将该元素转换为文本，然后使用你的函数（需要修复，如Jon所说），然后在需要时将其解析为XML）。 – Abel 2010-08-22 21:55:03

Jon Hanna：该方法查找第一个“”和最后一个“”。向消息内容添加“msg”标签不会破坏此代码。 Abel：你提出的“让我的例子工作的变化”似乎没有更有效。 – 2010-08-23 16:04:48

我不想解析某些标签XML

相关推荐