Java中从WordPress源解析XML

Question

private void parseXml(String urlPath) throws Exception {
    URL url = new URL(urlPath);
    URLConnection connection = url.openConnection();
    DocumentBuilder db = DOCUMENT_BUILDER_FACTORY.newDocumentBuilder();

    final Document document = db.parse(connection.getInputStream());
    XPath xPathEvaluator = XPATH_FACTORY.newXPath();
    XPathExpression nameExpr = xPathEvaluator.compile("rss/channel/item/title");
    NodeList trackNameNodes = (NodeList) nameExpr.evaluate(document, XPathConstants.NODESET);
    for (int i = 0; i < trackNameNodes.getLength(); i++) {
        Node trackNameNode = trackNameNodes.item(i);
            System.out.println(String.format("Blog Entry Title: %s" , trackNameNode.getTextContent()));
        XPathExpression artistNameExpr = xPathEvaluator.compile("rss/channel/item/content:encoded");
        NodeList artistNameNodes = (NodeList) artistNameExpr.evaluate(trackNameNode, XPathConstants.NODESET);
        for (int j=0; j < artistNameNodes.getLength(); j++) {
            System.out.println(String.format(" - Artist Name: %s", artistNameNodes.item(j).getTextContent()));
        }
    }
}

我有一个用于解析默认WordPress XML中标题和内容的代码，唯一的问题是当我尝试获取博客条目的内容时，XML标签为：<content:encoded> ，我不知道如何检索这些数据？

- Ross J

---

分享XML文件或其中的一小部分以查看其结构。同时考虑使用JAXB。 - harshit

http://wordpress.org/news/feed/ 我正在尝试解析的XML格式与此相同。 - Ross J

@beny23，你成功获取了content:encoded值的数据吗？ - alex

@alex 我只是编辑了帖子，没有提出问题。 - beny23

Answer 1

标签<content:encoded>表示XML命名空间中带有前缀content的元素encoded。XPath评估器可能无法将content前缀解析为其命名空间，我认为可以通过快速谷歌搜索得到它的命名空间是http://purl.org/rss/1.0/modules/content/。

要使其解析，请执行以下操作：

1. 确保在构建后调用了setNamespaceAware(true)以启用命名空间感知功能，否则在解析期间将丢弃所有命名空间。
2. 编写一个实现javax.xml.namespace.NamespaceContext的类来将前缀解析为其命名空间（doc）。
3. 使用您的实现调用XPath#setNamespaceContext()。

- craigforster

---

抱歉，我不理解第二部分，但感谢您的帮助。 - Ross J

Answer 2

你也可以尝试使用XStream，这是一个好用且易于使用的XML解析器。它使得你在解析已知XML结构时几乎不需要任何工作。

PS：他们的网站目前已经下线了，可以使用Google缓存查看它=P

- SHiRKiT