对xml文档建立索引时，如果不进行特殊处理，会把其中的一些标记符号也做了索引，这样检索时就会检索出冗余的结果。比如xml的根元素名可能都叫做某一个名字，在搜索这个名字的时候，就会把所有的数据列出，这样显然不符合要求。
因此，我们要对xml文档的整份数据进行分析，将其中的有用的信息提取出来，而把一些元素名，属性名等不必要的东西剔除。以下给出的范例是继承自org.xml.sax的一个类HandlerBase而来的。在这个类中，我们对xml的脚本分析后，提取其有意义的文字public String getEndStr() ，然后再对这些文字做索引，从而避免搜索出现不相关结果。
xml文档分析器范例：
import org.xml.sax.AttributeList;
import org.xml.sax.SAXException;
import org.xml.sax.HandlerBase;
import javax.xml.parsers.*;
import java.io.IOException;
import java.io.StringBufferInputStream;
/**
* xml格式的字符串的解析器，提取xml中的有用文本
* @author 草莽熊窝
* @version 1.0
*/
public class XMLHandlerSAX
extends HandlerBase {
/**
* 构造函数
* @param xmlStr String ：xml格式的字符串
* @throws ParserConfigurationException
* @throws SAXException
* @throws IOException
*/
public XMLHandlerSAX(String xmlStr) throws
ParserConfigurationException, SAXException, IOException {
if ( (xmlStr != null) && (!xmlStr.equals(""))) {
//解析xml文档的字符串类型，支持中文xml文档
SAXParserFactory spf = SAXParserFactory.newInstance();
SAXParser parser = spf.newSAXParser();
xmlStr = new String(xmlStr.getBytes("GB2312"), "ISO-8859-1");
StringBufferInputStream sbis = new StringBufferInputStream(xmlStr);
parser.parse(sbis, this);
}
else {
xmlStr = "";
}
}
/**
* call at document start
*/
public void startDocument() {
xmlBuffer.setLength(0);
xmlBuffer.append(" ");
}
/**
* call at element start
* @param localName String
* @param atts AttributeList
* @throws SAXException
*/
public void startElement(String localName, AttributeList atts) throws
SAXException {
//注释掉部分是提取元素属性值，取消注释后则不屏蔽属性的内容
/*
for (int i = 0; i < atts.getLength(); i++) {
//空格为了将不同词分开（主要为拉丁字母的语言而设）
xmlBuffer.append(atts.getValue(i) + " ");
}
*/
elementBuffer.setLength(0);
}
/**
* call when cdata found
* @param text char[]
* @param start int
* @param length int
*/
public void characters(char[] text, int start, int length) {
elementBuffer.append(text, start, length);
}
/**
* call at element end
* @param localName String
* @throws SAXException
*/
public void endElement(String localName) throws SAXException {
//空格为了将不同词分开（主要为拉丁字母的语言而设）
xmlBuffer.append(elementBuffer + " ");
}
/**
* call at document end
*/
public void endDocument() {
xmlStr = xmlBuffer.toString();
}
/**
* 获得过滤后的xml内容
* @return String
*/
public String getEndStr() {
if (xmlStr == null) {
xmlStr = "";
}
return xmlStr;
}
private StringBuffer elementBuffer = new StringBuffer();
private StringBuffer xmlBuffer = new StringBuffer();
private String xmlStr = null;
}
本文转自: http://www.tianyablog.com/blogger/post_show.asp?BlogID=114714&PostID=1252555
180
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
