Character „Chunking“ bei SAX
Bei langen Zeichenketten ist es nicht zwingend, dass sie in einem Rutsch der characters() Methode übergeben werden.
<TSeq_sequence>TAACCCTAACCCTAACCCTAACCCTAAC
</TSeq_sequence>Denkbar ist hier ein (skizzierter) Aufruf von
characters("T");
characters("AACCCTAAC");
characters("CCTAACCCTAACCCTAAC");Die Anwendung muss mit Character „Chunking“ rechnen und damit umgehen. Man kann es nicht abstellen! Viele Parser teilen die CDATA-Sektion auf, so dass nach jedem Carriage Returns einmal characters() aufgerufen wird.
Eine Lösung ist, die Zeichen zwischenzuspeichern, etwa in einem StringBuilder/StringBuffer.
public void characters(char[] ch, int start, int length)
throws SAXException {
currentText.append( ch, start, length );
}Wenn endElement() aufgerufen wird, kann man den Puffer auswerten.
Eine interessante Idee ist, einen Delegate zu bauen, der sich für den SAX-Parser wie ein ContentHandler verhält, aber characters() abfängt und die Zeichen intern speichert. Alle anderen Methoden wie endDocument(), … gehen zum Original.
Zuvor jedoch werden die Methoden „flushen“, also ein Aufruf von characters() auf dem Original durchführen und alle Zeichen übergeben.
Anschauen kann man eine solche unter . Die Implementierung steht unter der Apache-Lizenz.
/** Copyright 2004 Outerthought bvba and Schaubroeck nv** Licensed under the Apache License, Version 2.0 (the "License");* you may not use this file except in compliance with the License.* You may obtain a copy of the License at** http://www.apache.org/licenses/LICENSE-2.0** Unless required by applicable law or agreed to in writing, software* distributed under the License is distributed on an "AS IS" BASIS,* WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.* See the License for the specific language governing permissions and* limitations under the License.*/package org.outerj.daisy.htmlcleaner; import org.xml.sax.ContentHandler;import org.xml.sax.SAXException;import org.xml.sax.Locator;import org.xml.sax.Attributes; class MergeCharacterEventsHandler implements ContentHandler {private ContentHandler consumer;private char[] ch;private int start = 0;private int length = 0; public MergeCharacterEventsHandler(ContentHandler consumer) {this.consumer = consumer;} public void characters(char ch[], int start, int length) throws SAXException {char[] newCh = new char[this.length + length];if (this.ch != null)System.arraycopy(this.ch, this.start, newCh, 0, this.length);System.arraycopy(ch, start, newCh, this.length, length);this.start = 0;this.length = newCh.length;this.ch = newCh;} private void flushCharacters() throws SAXException {if (ch != null) {consumer.characters(ch, start, length);ch = null;start = 0;length = 0;}} public void endDocument() throws SAXException {flushCharacters();consumer.endDocument();} public void startDocument() throws SAXException {flushCharacters();consumer.startDocument();} public void ignorableWhitespace(char ch[], int start, int length) throws SAXException {flushCharacters();consumer.ignorableWhitespace(ch, start, length);} public void endPrefixMapping(String prefix) throws SAXException {flushCharacters();consumer.endPrefixMapping(prefix);} public void skippedEntity(String name) throws SAXException {flushCharacters();consumer.skippedEntity(name);} public void setDocumentLocator(Locator locator) {consumer.setDocumentLocator(locator);} public void processingInstruction(String target, String data) throws SAXException {flushCharacters();consumer.processingInstruction(target, data);} public void startPrefixMapping(String prefix, String uri) throws SAXException {flushCharacters();consumer.startPrefixMapping(prefix, uri);} public void endElement(String namespaceURI, String localName, String qName) throws SAXException {flushCharacters();consumer.endElement(namespaceURI, localName, qName);} public void startElement(String namespaceURI, String localName, String qName, Attributes atts) throws SAXException {flushCharacters();consumer.startElement(namespaceURI, localName, qName, atts);}}