嵌套SAX ContentHandlers

Question

我想使用SAX解析文档，并从一些元素创建一个子文档，而使用SAX处理其他元素。因此，给出这篇文档：

  <DOC>
    <small>
      <element />
    </small>
    <entries>
      <!-- thousands here -->
    </entries>
  </DOC>

我想使用SAX ContentHandler解析DOC和DOC/entries元素，但是当我点击<small>时，我想创建一个只包含<small>及其子项的新文档。

有没有一种简单的方法可以做到这一点，或者我必须自己手工构建DOM？

Answer 1

一种方法是创建一个ContentHandler，用于监视发出进入或退出<small>元素信号的事件。这个处理程序充当代理，在“正常”模式下将SAX事件直接传递给“真正的”ContentHandler。

但是，当检测到进入<small>元素时，代理负责创建TransformerHandler (使用无操作的“空”转换)，plumbed直到DOMResult。TransformerHandler期望一个完整的、格式良好的文档所产生的所有事件；您不能立即向它发送startElement事件。相反，可以通过首先在TransformerHandler实例上调用setDocumentLocator、startDocument和其他必要事件来模拟新文档的开头。

然后，在代理检测到<small>元素的末尾之前，所有事件都将转发到此TransformerHandler，而不是“真正的”ContentHandler。当遇到结束</small>标记时，代理通过在TransformerHandler上调用endDocument来模拟文档的结尾。DOM现在作为TransformerHandler的结果可用，它只包含<small />片段。

Answer 2

在我看来，答案取决于你是否需要内存中的“新文档”。如果你这样做了，那么使用DOM，或者如果你只是想流式传输“新文档”，那么StAX可能更适合SAX的事件驱动性质。

Answer 3

我在一个SAX流中构建多个并发文档是没有问题的。对于任何面向业务文档的流，它几乎都是SOP。你这样做有什么困难吗？类的层次结构不必与SAX流的层次结构匹配。