如何检索混合子元素作为文本的元素(JDOM)

Question

我有一个如下所示的XML：

<documentation>
    This value must be <i>bigger</i> than the other.
</documentation>

使用JDOM，我可以获得以下文本结构：

Document d = new SAXBuilder().build( new StringReader( s ) );
System.out.printf( "getText:          '%s'%n", d.getRootElement().getText() );
System.out.printf( "getTextNormalize: '%s'%n", d.getRootElement().getTextNormalize() );
System.out.printf( "getTextTrim:      '%s'%n", d.getRootElement().getTextTrim() );
System.out.printf( "getValue:         '%s'%n", d.getRootElement().getValue() );

它给出了以下输出：

getText:          '
    This value must be  than the other.
'
getTextNormalize: 'This value must be than the other.'
getTextTrim:      'This value must be  than the other.'
getValue:         '
    This value must be bigger than the other.
'

我真正想要的是获得字符串形式的元素内容，即"This value must be <i>bigger</i> than the other."。getValue()很接近，但删除了<i>标记。我想我想要像innerHTML这样的东西用于XML文档……

我应该只在内容上使用XMLOutputter吗？或者有没有更好的选择？

Answer 1

我建议您应该将您的文档更改为

<documentation>
  <![CDATA[This value must be <i>bigger</i> than the other.]]>
</documentation>

以符合XML规范。否则，<i>将被视为<documentation>的子元素，而不是content。

Answer 2

在JDOM伪代码中：

for Object o in d.getRootElement().getContents()
   if o instanceOf Element
      print <o.getName>o.getText</o.getName>
   else // it's a text
      print o.getText() 

然而，由于Prashant Bhate wrote：content.getText()给出了直接的文本，这只适用于包含文本内容的叶元素。

Answer 3

Jericho HTML非常适合这类任务。你可以通过这样的代码块来完成你想要做的事情：

String snippet = new Source(html).getFirstElement().getContent().toString();

一般来说，它对于处理超文本标记语言也是很好的，因为它不会试图强迫它成为XML...it处理它的更宽松的方式。