XML 文件解析--标签内容长度限制问题

2019独角兽企业重金招聘Python工程师标准>>>

       近期在解析XML的时候遇到了些问题，第一个就是上一篇中说到的Unicode字符的问题，第二个就是标签内容长度太长（超过6k字符）造成解析错误。

    比如，要解析的XML文件内容如下，其中desc标签的内容长度很长（超过6000个字符），

 <book>
   <id>101</id>
   <name> Java </name>
   <author> simpsons lisa </author>
   <desc> ... apple lisa </desc>
   <price>23.5</price>
 </book>

    在使用Scala 自带的XML 的 API 

val str = """<book>
   <id>101</id>
   <name> Java </name>
   <author> simpsons lisa </author>
   <desc> this is ... apple lisa </desc>
   <price>23.5</price>
 </book>"""
val p = XML.loadString(str)
print(p \ "desc")

    发现结果不是正常的文本内容，而是

  “... apple lisa </desc>

     <price>23.5

     </price>

     </book> this is ...”

   desc解析越界

    查询了一些原因，在stackoverflow上有个回答：XML对标签内容的长度没有限制，但XML解析工具对此有限制，本人感觉有道理。对于长度超出限制（本机测试是6000+个字符的限制）的标签进行单独处理，本文用正则表达式去获取标签内容；

 eg：

if((p \ "desc").text.length() > 6000) {
  val regex = Pattern.compile("<desc>*?((>(?s).*?</desc>))")
  val matcher = regex.matcher(str)
  var desc
  if(matcher.find()) {
   val match = matcher.group()
   desc = match.substring(4, match.length()-4)
   }
}

转载于:https://my.oschina.net/devjing/blog/335521