Android XML解析器的问题
最近在项目中遇到了一个解析XML的问题,我们是用android自带的DOM解析器来解析XML的,但发现了一个android的问题,那就是在2.3的SDK上面,无法解析像<, >, 等字符串。
尽管我们从服务器端返回的数据中,应该是不能包含< >这样的字符,应该使用转义,但有时候,由于历史原因,导致服务器端不能作这样的修正,所以这样的问只能是在客户端来解决了。下面我就说一说我们是如何解决这种问的。
1,现象
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); DocumentBuilder builder = factory.newDocumentBuilder(); Document documnet = builder.parse(in); Element root = documnet.getDocumentElement();
其中builder.parse(in)中的in是一个InputStream类型的输入流,例如有如下一段XML:
<?xml version="1.0" ?> <data> <success>1</success> <error> <code></code> <message></message> </error> <result> <history_info_list> <row> <purchase_info_id>dnrxmauxecj3z6e4</purchase_info_id> <title_id>134051</title_id> <title>まもって守護月天!再逢<Retrouvailles></title> <volume_number>001</volume_number> <author_name>桜野みねね</author_name> <contents_name>まもって守護月天!再逢<Retrouvailles> 1巻</contents_name> <date_open>2011-12-02</date_open> <purchase_date>2012-02-06 18:39:48</purchase_date> <image_url>/resources/c_media/images/thumb/262/134051_01_1_L.jpg</image_url> <contents> <story_number>1</story_number> <contents_id>BT000013405100100101500014</contents_id> <file_size>34168162</file_size> <Within_Wifi>0</Within_Wifi> </contents> <text_to_speech_flg>0</text_to_speech_flg> <restrict_num>-1</restrict_num> <issue>3</issue> <subscription>0</subscription> <adult_flg>0</adult_flg> </row> </history_info_list> </result> </data>
其中有一个title结点,中间包含< >,但是XML中已经用了转义,所以应该是能正常解析出来的,但在SDK2.3(准确说来应该是3.0以下),它对这些转义字符作了特殊处理,它会把title中间文字当成四个文本结点,其内容分别是:
1, まもって守護月天!再逢
2, <
3, Retrouvailles
4, > 1巻
所以,这是不正确的,其实它应该就是一个节点,内容是[ まもって守護月天!再逢<Retrouvailles> 1巻 ]。不过在3.0的SDK,这种问题被修正了。
2,问题的原因
好,上面说的是现象,我们现在说一下造成这种现象的原因及解决办法。
翻看android源码发现:
android的XML解析实现用的是apache harmony代码,我想android的dalvik应该就是apache的harmonyxml parser,这个没有深究。
而实际上harmony的XML解析用的又是KXML,看来android就是一堆开源的代码叠加起来的。
下面仔细来看看:KXML的处理过程是这样的,对文本进行遍历,当发现<、/>、&等这些关键字符时,触发事件,有兴趣可以看看源码;
源代码在:\libcore\luni\src\main\java\org\apache\harmony\xml\parsers\DocumentBuilderImpl.java
113行: XmlPullParser parser = new KXmlParser(); 265行:else if (token == XmlPullParser.TEXT) node.appendChild(document.createTextNode(parser.getText())); 277行:else if (token == XmlPullParser.ENTITY_REF) String entity = parser.getName(); if (entityResolver != null) { // TODO Implement this... } String replacement = resolveStandardEntity(entity); if (replacement != null) { node.appendChild(document.createTextNode(replacement)); } else { node.appendChild(document.createEntityReference(entity)); }
从上面可以看到,处理带有&<>&;这些字符时,分成了几段文本节点。
3,解决方案
问题的原因我们已经知道了,怎么解决呢?
1,判断一下,如果子结点全是文本结点的话,把结点的所有文本字符串拼起来。
2,更改上面的处理方法,node.appendChild这行代码,当发现这个节点的第一个子节点是文本节点时,把当前字符加上去。
在项目中所采用的方法是第一种,因为这方法简单,实现如下:
/** * This method is used to indicate the specified node's all sub nodes are text node or not. * * @param node The specified node. * * @return true if all sub nodes are text type, otherwise false. */ public static boolean areAllSubNodesTextType(Node node) { if (null != node) { int nodeCount = node.getChildNodes().getLength(); NodeList list = node.getChildNodes(); for (int i = 0; i < nodeCount; ++i) { short noteType = list.item(i).getNodeType(); if (Node.TEXT_NODE != noteType) { return false; } } } return true; } /** * Get the node value. If the node's all sub nodes are text type, it will append * all sub node's text as a whole text and return it. * * @param node The specified node. * * @return The value. */ private static String getNodeValue(Node node) { if (null == node) { return ""; } StringBuffer sb = new StringBuffer(); int nodeCount = node.getChildNodes().getLength(); NodeList list = node.getChildNodes(); for (int i = 0; i < nodeCount; ++i) { short noteType = list.item(i).getNodeType(); if (Node.TEXT_NODE == noteType) { sb.append(list.item(i).getNodeValue()); } } return sb.toString(); } }