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();
}
}
