Java XMLStreamReader.getText() душит символы в кодировке XML?

Question

Я пытаюсь проанализировать гигантский (> 1 ГБ) XML-файл, используя XMLStreamReader Java. Я использую метод getText() для извлечения содержимого узла. У меня есть XML-файл, закодированный как ISO-8859-1, а некоторые символы имеют специальную кодировку, например & кодируется как & в файле.

Так что, если файл содержит, например:

<person>Jack</person>
<person>Jill</person>
<persons>Jack &amp; Jill</persons>

И я пытаюсь получить содержимое каждого узла с помощью getText(), 3-й узел только возвращает Jack, В любое время &xxx; встречается символ, никакие символы после него (в том же узле) не анализируются или не возвращаются.

В чем проблема? Правильно ли закодирован XML-файл? Я правильно использую парсер Java?

Спасибо!

Answer 1

Я подозреваю, что проблема в том, что парсер разделил содержимое элементов от третьего лица на несколько событий обработки. (Это поведение next() задокументировано.) getText() только дает вам текст для текущего события.

Попробуйте использовать getElementText() вместо.