解析XML与撇号

以例如BBC新闻RSS源，他们的新闻项目之一如下：解析XML与撇号

<item><title>Pupils 'bullied on sports field'</title><description>bla bla..

我有一些Java代码解析这一点 - 但是，当标题中包含撇号（如上面），解析停止，所以我最终得到以下标题：学生的然后它继续并解析描述（这很好）。我如何才能解析完整的标题？下面是一个代码段从内我的for循环，我解析信息：

    NodeList title = element.getElementsByTagName("title"); 
        Element line = (Element) title.item(0); 
        tmp.setTitle(getCharacterDataFromElement(line).toString());

完全相同的代码来解析其他元素，如描述和pubdate的等等，这些都是罚款。

这是getCharacterDataFromElement方法：

public static String getCharacterDataFromElement(Element e) { 
    Node child = ((Node) e).getFirstChild(); 
    if (child instanceof CharacterData) { 
     CharacterData cd = (CharacterData) child; 
     return cd.getData(); 
    } 
    return ""; 
}

我在做什么错？我使用DocumentBuilder，DocumentBuilderFactory和org.w3c.dom来处理RSS Feed。

来源

2012-04-16 Nicklas

正如davidfrancis建议，您应该遍历所有getCharacterDataFromElement()中的孩子。

或者，如果您可以使用DOM级别3，则可以使用Node.getTextContent()方法，而不是您想要的。

NodeList title = element.getElementsByTagName("title"); 
Element line = (Element)title.item(0); 
tmp.setTitle(line.getTextContent());

来源

2012-04-16 23:44:48 prunge

这工作得很好，谢谢。 – Nicklas 2012-04-17 16:09:51

你getCharacterDataFromElement仅着眼于第一个孩子 - 看是否有进一步的子元素过多和粘性的所有文字一起

HTH - DF

来源

2012-04-16 22:26:50 davidfrancis

-1

嘛，据我所知，撇号是XML保留字符和因此应编码为'。

这意味着BBC新闻RSS源不提供格式良好的XML。

最好的办法是向BBC新闻RSS提要提供商发布错误报告，以便他们修复它。

来源

2012-04-16 22:34:39 Puce

为什么downvote？ – Puce 2012-08-23 08:05:17

解析XML与撇号

回答

相关问题