使用 SAXParser 从 XML 检索 HTML 编码文本

这是我第一次使用 SAXParser（我在 Android 中使用它，但我认为这对这个特定问题没有影响）并且我正在尝试从 RSS 提要中读取数据。到目前为止，它在很大程度上对我来说工作得很好，但是当它到达包含 HTML 编码文本的标签时（例如<a href="http://...). The characters()方法只读取< as a <，然后将下一组字符视为单独的实体，而不是一次获取整个内容。我宁愿它只是按原样读取它，而不实际翻译 HTML。我用于文档处理程序的代码（缩短）发布如下：

@Override
    public void startElement(String uri, String localName, String qName, Attributes attrs) throws SAXException {
        if (localName.equalsIgnoreCase("channel")) {
            inChannel = true;
        }
        if (inChannel) {
            if (newFeed == null) newFeed = new Feed();

            if (localName.equalsIgnoreCase("image")) {
                if (feedImage == null) feedImage = new Image();
                inImage = true;
            }

            if (localName.equalsIgnoreCase("item")) {
                if (newItem == null) newItem = new Item();
                if (itemList == null) itemList = new ArrayList<Item>();
                inItem = true;
            }
        }   
    }

    @Override
    public void endElement(String uri, String localName, String qName) throws SAXException {
        if(!inItem) {
            if(!inImage) {
                if(inChannel) {
                    //Reached end of feed
                    if(localName.equalsIgnoreCase("channel")) {
                        newFeed.setItems((ArrayList<Item>)itemList);
                        finalFeed = newFeed;
                        newFeed = null;                     
                        inChannel = false;
                        return;
                    } else if(localName.equalsIgnoreCase("title")) {
                        newFeed.setTitle(currentValue); return;
                    } else if(localName.equalsIgnoreCase("link")) {
                        newFeed.setLink(currentValue); return;
                    } else if(localName.equalsIgnoreCase("description")) {
                        newFeed.setDescription(currentValue); return;
                    } else if(localName.equalsIgnoreCase("language")) {
                        newFeed.setLanguage(currentValue); return;
                    } else if(localName.equalsIgnoreCase("copyright")) {
                        newFeed.setCopyright(currentValue); return;
                    } else if(localName.equalsIgnoreCase("category")) {
                        newFeed.addCategory(currentValue); return;
                    }                       
                }
            }
            else { //is inImage
                //finished with feed image
                if(localName.equalsIgnoreCase("image")) {
                    newFeed.setImage(feedImage);
                    feedImage = null;
                    inImage = false;
                    return;
                } else if (localName.equalsIgnoreCase("url")) {
                    feedImage.setUrl(currentValue); return;
                } else if (localName.equalsIgnoreCase("title")) {
                    feedImage.setTitle(currentValue); return;
                } else if (localName.equalsIgnoreCase("link")) {
                    feedImage.setLink(currentValue); return;
                }
            }
        }
        else { //is inItem
            //finished with news item
            if (localName.equalsIgnoreCase("item")) {
                itemList.add(newItem);
                newItem = null;
                inItem = false;
                return;
            } else if (localName.equalsIgnoreCase("title")) {
                newItem.setTitle(currentValue); return;
            } else if (localName.equalsIgnoreCase("link")) {
                newItem.setLink(currentValue); return;
            } else if (localName.equalsIgnoreCase("description")) {
                newItem.setDescription(currentValue); return;
            } else if (localName.equalsIgnoreCase("author")) {
                newItem.setAuthor(currentValue); return;
            } else if (localName.equalsIgnoreCase("category")) {
                newItem.addCategory(currentValue); return;
            } else if (localName.equalsIgnoreCase("comments")) {
                newItem.setComments(currentValue); return;
            } /*else if (localName.equalsIgnoreCase("enclosure")) {
                 To be implemented later
            }*/ else if (localName.equalsIgnoreCase("guid")) {
                newItem.setGuid(currentValue); return;
            } else if (localName.equalsIgnoreCase("pubDate")) {
                newItem.setPubDate(currentValue); return;
            }           
        }
    }

    @Override
    public void characters(char[] ch, int start, int length) {
        currentValue = new String(ch, start, length);
    }

我尝试解析的 RSS 提要的一个示例是this one.

有任何想法吗？

精彩的。这个解决方案让我有点困惑，我无法像您一样获得 localName 的值，但我仍然能够使用 StringBuilder 方法来工作。

我没有在方法中替换：

public void characters(char[] ch, int start, int length) throws SAXException {

tempVal = new String(ch,start,length);而是将以下行添加到该方法中：

tempSB = tempSB.append(new String(ch, start, length));

其中 tempSB 是 StringBuilder 对象。 这意味着我不需要改变整个解析器，并且可以在必要时简单地切换到读取 SB。 当我遇到一个包含 html 的元素时，在 startElement 中，我使用了：

tempSB.delete(0, tempSB.length());

在 endElement 中我使用了：

tempText.setText(tempSB.toString()) ;

就那么简单。在我的例子中不需要复杂的布尔系统，也不需要访问 localName，这是一个我无法理解的概念。我似乎访问 qName 做得很好。

非常感谢 kcoppock 发布您找到的解决方案。我已经找了好几个小时了，这是我能找到的唯一一篇简洁明了、足以提供帮助的文章。我正在做的任务非常紧急，如果没有你的帮助我就会失败。