【问题标题】:StreamingPathFilter trims spacesStreamingPathFilter 修剪空间
【发布时间】:2012-07-05 13:11:55
【问题描述】:

我使用XOM 库来解析和处理.docx 文档。 MS Word 将文本内容存储在段落标签 (

) 内的运行 () 中,并且经常将文本分成多个运行。有时,它们之间的每个单词和每个空格都是单独运行的。当我加载仅包含空格的运行时,解析器会删除该空格并将其作为空标记处理,因此,输出包含不带空格的文本。我怎么能强制解析器保留所有的空间?我宁愿保留这个解析器,但如果没有解决方案,你能推荐一个替代方案吗?

这就是我调用解析器的方式:

StreamingPathFilter filter = new StreamingPathFilter("/w:document/w:body/*:*", prefixes);
Builder builder = new Builder(filter.createNodeFactory(null, contentTransform));
builder.build(documentFile);
...

StreamingTransform contentTransform = new StreamingTransform() {

   @Override
   public Nodes transform(nu.xom.Element node){
      <...process XML and output text...>
   }
}       

【问题讨论】:

    标签: java xml-parsing xom


    【解决方案1】:

    同时,感谢 XOM 邮件列表中 Elliotte Rusty Harold 的提示,我找到了解决此问题的方法。

    首先,StreamingPathFilter 实际上不是nu.xom 包的一部分,它属于nux.xom。

    其次,问题是由StreamingPathFilter引起的。当我将代码更改为使用默认的Builder 构造函数时,输出中出现了缺失的空格。

    仅用于文档,新代码如下所示:

    Builder builder = new Builder();
    nu.xom.Document doc = builder.build(documentFile);
    context = XPathContext.makeNamespaceContext(doc.getRootElement());
    Nodes nodes = doc.getRootElement().query("w:body/*", context);
    for (int i = 0; i < nodes.size(); i++) {
        transform((nu.xom.Element) nodes.get(i));
    }
    ...
    
    private void transform(nu.xom.Element node){
        //process nodes
        ...
    }
    

    【讨论】:

      猜你喜欢
      • 2020-02-11
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 2019-12-15
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多