使用SAX2的DefaultHandler遇到的一个问题

         XML Document会一次性全部加在整个XML文档并在内存中生成一棵DOM树，然后可以很方便的处理树中的每一个节点。而 SAX是逐渐读取XML片断，然后通过回调事件来处理XML。开始用SAX可能会觉得比Document来的麻烦，当然一般的操作也的确比较繁锁。但是在处理大的XML文档的时候就非得用SAX不可了。用SAX可能容易忽略characters这个回调方法的一点细节，那就是这个方法不能保证一次会返回整个文本块。例如

    <line>i like my girlfriend, feifei</line>

在用SAX处理的过程中，DefaultHandler中的处理结果可能是这样的：
                               startElement : line
                               characters: i like my girl
                               characters:friend, feifei
                               endElement:line
这个时候如果认为SAX为一次性通过characters回调事件返回整个文本块“ i like my girlfriend, feifei” 就很容易犯错误了。这个是在昨晚在一本SAX2的书上看到的。
        在实际项目当中，利用SAX将xml数据影射到关系数据库当中。在提取xml数据的时候就出现了让人无法想象的错误。

   <line1>422</line1>  
    <line2>2</line2>      
    <line3>4202</line3>

解析过程中，每次回调characters就把字符串值作为一个列的值。422和2能够在一次characters回调事件中返回，但是4202那个值不知道为什么回通过连续两次characters事件返回，先返回42，然后02，结果我先把42赋给line3列，然后又把02赋给line3列。最后line3的值就是02了，对应到数据库中的int就成了2。解决方法当然就是在给列赋值之前先检查列是否已经被赋过值了，没有的话直接赋值，有的话就拼接起来。当然最为理想的方式，当然是在characters回调事件中将字符串存在buffer（如StringBuilder）当中，在确认endElement的时候再返回该元素的字符串，同时清空buffer。
        唉，这个问题让我折腾一个晚上百思不得其解。我想这应该算是SAX的一个bug。但是有人在书上居然那么正式的提出，好像是应该这样处理的一样。不理解SAX开发人员的想法。反正自己注意就是了。
      
         

<script type="text/javascript"> </script> <script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"> </script>