将html标签存储在xml中

Posted 2023-03-05

【中文标题】将html标签存储在xml中

【英文标题】：Store html tags in xml

【发布时间】：2011-08-12 05:56:42

【问题描述】：

我有一个带有各种 html 标签的 html 格式的字符串。我想将此字符串放在 xml 标记中，以便保留 html 标记。例如

public class XMLfunctions 

    public final static Document XMLfromString(String xml)

        Document doc = null;

        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
                try 

            DocumentBuilder db = dbf.newDocumentBuilder();

            InputSource is = new InputSource();
            is.setCharacterStream(new StringReader(xml));
            doc = db.parse(is); 

         catch (ParserConfigurationException e) 
            System.out.println("XML parse error: " + e.getMessage());
            return null;
         catch (SAXException e) 
            System.out.println("Wrong XML file structure: " + e.getMessage());
                        return null;
         catch (IOException e) 
            System.out.println("I/O exeption: " + e.getMessage());
            return null;
        

            return doc;

    


    /** Returns element value
      * @param elem element (it is XML tag)
      * @return Element value otherwise empty String
      */
     public final static String getElementValue( Node elem ) 
         Node kid;
         if( elem != null)
             if (elem.hasChildNodes())
                 for( kid = elem.getFirstChild(); kid != null; kid = kid.getNextSibling() )
                     if( kid.getNodeType() == Node.TEXT_NODE  )
                         return kid.getNodeValue();
                     
                 
             
         
         return "";
     

     /*Start Parsing Body */
     public static String getBodyXML(String id)     
            String line = null;
            try 
                DefaultHttpClient httpClient = new DefaultHttpClient();
                HttpPost httpPost = new HttpPost("http://192.168.1.44:9090/solr/core0/select/?q=content_id:"+id+"&version=2.2&start=0&rows=10&indent=on");
                HttpResponse httpResponse = httpClient.execute(httpPost);
                HttpEntity httpEntity = httpResponse.getEntity();
                line = EntityUtils.toString(httpEntity);

             catch (UnsupportedEncodingException e) 
                line = "<results status=\"error\"><msg>Can't connect to server</msg></results>";
             catch (MalformedURLException e) 
                line = "<results status=\"error\"><msg>Can't connect to server</msg></results>";
             catch (IOException e) 
                line = "<results status=\"error\"><msg>Can't connect to server</msg></results>";
            
            String st= ParseXMLBodyNode(line,"doc");
            return st;

    

    public static String ParseXMLBodyNode(String str,String node)
         String xmlRecords = str;
         String results = "";
         String[] result = new String [1];
         StringBuffer sb = new StringBuffer();
         StringBuffer text = new StringBuffer(); 
         try 
             DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
             DocumentBuilder db = dbf.newDocumentBuilder();
             InputSource is = new InputSource();
             is.setCharacterStream(new StringReader(xmlRecords));
             Document doc = db.parse(is);
             NodeList indiatimes1 = doc.getElementsByTagName(node);
             sb.append("<results count=");
             sb.append("\"1\"");
             sb.append(">\r\n");

             for (int i = 0; i < indiatimes1.getLength(); i++) 
                Node node1 = indiatimes1.item(i);
                if (node1.getNodeType() == Node.ELEMENT_NODE) 
                    Element element = (Element) node1;
                    NodeList nodelist = element.getElementsByTagName("str");
                    Element element1 = (Element) nodelist.item(0);
                    NodeList title = element1.getChildNodes();
                    title.getLength();
                    for(int j=0; j<title.getLength();j++)
                        text.append(title.item(j).getNodeValue());
                    
                    System.out.print((title.item(0)).getNodeValue());
                    sb.append("<result>\r\n");
                        sb.append("<body>");
                        String tmpText = html2text(text.toString());
                            sb.append("<![CDATA[<body>");
                            sb.append(tmpText);
                            sb.append("</body>]]>");
                        sb.append("</body>\r\n");
                    sb.append("</result>\r\n");
                    result[i] = title.item(0).getNodeValue();
                
             
             sb.append("</results>");
          catch (Exception e) 
             System.out.println("Exception........"+results );
             e.printStackTrace();
         
         return sb.toString();
     
    /*End Parsing Body*/


    public static int numResults(Document doc)     
        Node results = doc.getDocumentElement();
        int res = -1;
        try
            res = Integer.valueOf(results.getAttributes().getNamedItem("count").getNodeValue());
        catch(Exception e )
            res = -1;
        
        return res;
    

    public static String getValue(Element item, String str)        
        NodeList n = item.getElementsByTagName(str);        
        return XMLfunctions.getElementValue(n.item(0));
    


    public static String html2text(String html) 

        String pText = Jsoup.clean(html, Whitelist.basic());
        return pText;
    

我把这些函数称为

String xml = XMLfunctions.getBodyXML(id);

Document doc = XMLfunctions.XMLfromString(xml);

我希望字体标签在 xml 中作为 html 标签存在。

我们将不胜感激！！！！！！

【参考方案1】：

将您的 HTML 包含在 CDATA section 中，这样它就不会被视为 XML 的一部分，而只是普通文本：

<result>
<![CDATA[
    <body><font size="2px" face="arial">Hello World</font></body>
]]>
</result>

更新

你的问题可能在这里：

sb.append("<result>\r\n");
    sb.append("<body>");
    String tmpText = html2text(text.toString());
        sb.append("<![CDATA[<body>");
        sb.append(tmpText);
        sb.append("</body>]]>");
    sb.append("</body>\r\n");
sb.append("</result>\r\n");

请注意 CDATA 部分周围的 sb.append("<body>"); 和 sb.append("</body>\r\n"); 行，它们可能会导致无法正确读取 XML 的问题。也许您应该删除这两行，使其看起来像这样：

sb.append("<result>\r\n");
    String tmpText = html2text(text.toString());
    sb.append("<![CDATA[<body>");
    sb.append(tmpText);
    sb.append("</body>]]>");
sb.append("</result>\r\n");

【讨论】：

@BoltClock: 应该像 sb.append("");或者别的什么

我不明白。您是在使用StringBuilder 或其他方式构建 XML 吗？

@BoltClock：首先我解析一个 xml，然后使用 jsoup basic() 方法将所有格式保存在一个字符串中，然后按照我在之前评论中询问的方式附加该字符串 StringBuffer 并创建一个xml，然后再次解析此 xml。目前，即使使用 cdata 后我也没有得到任何东西。

@BoltClock: 首先调用 String xml = XMLfunctions.getBodyXML(id); 调用 getBodyXML(String id) 然后调用 ParseXMLBodyNode(String str,String node ) 被称为

@BoltClock：不，它不起作用。我制作的新 xml 再次被馈送到 Document doc = XMLfunctions.XMLfromString(xml); 它什么都不返回