Java 从xml文档中提取纯文本的最简单方法是什么？

我有一些xml格式的电子书。使用处理说明（例如，

）对书籍页面进行标记。我需要以纯文本的形式提取这本书的内容，每次提取一页，并将每一页保存为文本文件。做这件事最好的方法是什么？

我可能会用castor来做这件事。它是一个java工具，允许您指定java对象的绑定，然后您可以将其作为文本输出到文件中

您需要一个电子书呈现器来呈现您的书籍所采用的格式（如果它们使用反斜杠作为处理指令，我高度怀疑它是XML）。此外，XPath也很有用，如果您只想获取实际文本，只需对所有文本使用//text（）。

您可以尝试将其转换为YAML并在字处理器中编辑它，然后一个简单的宏就可以将其修复

我只是浏览了这个XML到YAML转换实用程序——它很小，但我没有测试它或其他任何东西

---

将XSL样式表与

一起使用

---

现在，您甚至可以在eclipse中调试样式表。

假设需要将其集成到Java程序中（如标记所示），最简单的方法可能是使用SAX解析器，如提供的。为和编写ContentHandler回调

调用p-i处理程序时，打开一个新的输出文件

调用文本处理程序时，将字符数据复制到当前打开的输出文件中

有一些有用的示例代码

但是如果不需要将其集成到Java程序中，我可能会使用XSLT2.0（）。XSLT1.0将不允许多个输出文档，但XSLT2.0将允许多个输出文档，并且它还将使按“里程碑标记”（您的“pg”处理指令）进行分组变得更容易。如果您对这种方法感兴趣，请询问。。。并提供有关输入文档结构的更多信息

p.S.即使您确实需要将其集成到Java程序中，您也可以从Java调用XSLT，例如，Saxon是用Java编写的。但是，我认为，如果您只是处理PI和文本，那么使用SAX解析器就不那么麻烦了。

您可以使用以下方法来完成此操作：

如果使用maven，您可能需要以下两种：

         <dependency>
            <groupId>org.apache.tika</groupId>
            <artifactId>tika-core</artifactId>
            <version>1.13</version>
        </dependency>
        <dependency>
            <groupId>org.apache.tika</groupId>
            <artifactId>tika-parsers</artifactId>
            <version>1.13</version>
        </dependency>

org.apache.tika
提卡岩芯
1.13
org.apache.tika
提卡解析器
1.13

这不会告诉他在何处进行分割，以便将每个页面放入单独的输出文件中。

         <dependency>
            <groupId>org.apache.tika</groupId>
            <artifactId>tika-core</artifactId>
            <version>1.13</version>
        </dependency>
        <dependency>
            <groupId>org.apache.tika</groupId>
            <artifactId>tika-parsers</artifactId>
            <version>1.13</version>
        </dependency>