Android XML解析器的问题

最近在项目中遇到了一个解析XML的问题，我们是用android自带的DOM解析器来解析XML的，但发现了一个android的问题，那就是在2.3的SDK上面，无法解析像<, >, 等字符串。

尽管我们从服务器端返回的数据中，应该是不能包含< >这样的字符，应该使用转义，但有时候，由于历史原因，导致服务器端不能作这样的修正，所以这样的问只能是在客户端来解决了。下面我就说一说我们是如何解决这种问的。

1，现象

我们的解析代码是：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); 

DocumentBuilder builder = factory.newDocumentBuilder(); 

Document documnet = builder.parse(in);

Element root = documnet.getDocumentElement();

其中builder.parse(in)中的in是一个InputStream类型的输入流，例如有如下一段XML： 

<?xml version="1.0" ?>

<data>

    <success>1</success>

    <error>

        <code></code>

        <message></message>

    </error>

    <result>

        <history_info_list>

            <row>

                <purchase_info_id>dnrxmauxecj3z6e4</purchase_info_id>

                <title_id>134051</title_id>

                <title>まもって守護月天！再逢<Retrouvailles></title>

                <volume_number>001</volume_number>

                <author_name>桜野みねね</author_name>

                <contents_name>まもって守護月天！再逢<Retrouvailles>　１巻</contents_name>

                <date_open>2011-12-02</date_open>

                <purchase_date>2012-02-06 18:39:48</purchase_date>

                <image_url>/resources/c_media/images/thumb/262/134051_01_1_L.jpg</image_url>

                <contents>

                    <story_number>1</story_number>

                    <contents_id>BT000013405100100101500014</contents_id>

                    <file_size>34168162</file_size>

                    <Within_Wifi>0</Within_Wifi>

                </contents>

                <text_to_speech_flg>0</text_to_speech_flg>

                <restrict_num>-1</restrict_num>

                <issue>3</issue>

                <subscription>0</subscription>

                <adult_flg>0</adult_flg>

            </row>

        </history_info_list>

    </result>

</data>

其中有一个title结点，中间包含< >，但是XML中已经用了转义，所以应该是能正常解析出来的，但在SDK2.3（准确说来应该是3.0以下），它对这些转义字符作了特殊处理，它会把title中间文字当成四个文本结点，其内容分别是：

1, まもって守護月天！再逢

2, <

3, Retrouvailles

4, > １巻

所以，这是不正确的，其实它应该就是一个节点，内容是[ まもって守護月天！再逢<Retrouvailles> １巻 ]。不过在3.0的SDK，这种问题被修正了。

2，问题的原因

好，上面说的是现象，我们现在说一下造成这种现象的原因及解决办法。

翻看android源码发现:

android的XML解析实现用的是apache harmony代码，我想android的dalvik应该就是apache的harmonyxml parser，这个没有深究。

而实际上harmony的XML解析用的又是KXML，看来android就是一堆开源的代码叠加起来的。

下面仔细来看看：KXML的处理过程是这样的，对文本进行遍历，当发现<、/>、&等这些关键字符时，触发事件，有兴趣可以看看源码；

源代码在：\libcore\luni\src\main\java\org\apache\harmony\xml\parsers\DocumentBuilderImpl.java

113行： XmlPullParser parser = new KXmlParser();

265行：else if (token == XmlPullParser.TEXT)

node.appendChild(document.createTextNode(parser.getText()));

277行：else if (token == XmlPullParser.ENTITY_REF)

String entity = parser.getName(); if (entityResolver != null) {

// TODO Implement this...

} String replacement = resolveStandardEntity(entity);

if (replacement != null) {

node.appendChild(document.createTextNode(replacement));

} else {

node.appendChild(document.createEntityReference(entity));

}

从上面可以看到，处理带有&<&gt&;这些字符时，分成了几段文本节点。

3，解决方案

问题的原因我们已经知道了，怎么解决呢？

1，判断一下，如果子结点全是文本结点的话，把结点的所有文本字符串拼起来。

2，更改上面的处理方法，node.appendChild这行代码，当发现这个节点的第一个子节点是文本节点时，把当前字符加上去。

在项目中所采用的方法是第一种，因为这方法简单，实现如下： 

 

/**

     * This method is used to indicate the specified node's all sub nodes are text node or not.

     *

     * @param node The specified node.

     *

     * @return true if all sub nodes are text type, otherwise false.

     */

    public static boolean areAllSubNodesTextType(Node node)

    {

        if (null != node)

        {

            int nodeCount = node.getChildNodes().getLength();

            NodeList list = node.getChildNodes();

            for (int i = 0; i < nodeCount; ++i)

            {

                short noteType = list.item(i).getNodeType();

                if (Node.TEXT_NODE != noteType)

                {

                    return false;

                }

            }

        }



        return true;

    }



    /**

     * Get the node value. If the node's all sub nodes are text type, it will append

     * all sub node's text as a whole text and return it.

     *

     * @param node The specified node.

     *

     * @return The value.

     */

    private static String getNodeValue(Node node)

    {

        if (null == node)

        {

            return "";

        }



        StringBuffer sb = new StringBuffer();



        int nodeCount = node.getChildNodes().getLength();

        NodeList list = node.getChildNodes();

        for (int i = 0; i < nodeCount; ++i)

        {

            short noteType = list.item(i).getNodeType();

            if (Node.TEXT_NODE == noteType)

            {

                sb.append(list.item(i).getNodeValue());

            }

        }



        return sb.toString();

    }

}