Java Sax解析器：忽略HTML

我正在使用sax解析器解析XML文件。它工作得很好，但我不想解析

标记的内容，因为它包含要保存为字符串的HTML。谁能告诉我有什么办法可以做这件事吗

---

谢谢这是伪代码。使用前进行调整。使用风险自负

这将不会考虑嵌套在外部信息标记中的标记

init:
  ignore = false;

startElement:
  if (!ignore) {
    if (element.name == "info") {
      ignore = true;
    } else {
      process normally
    }
 }

endElement:
  if (ignore) {
    if (element.name == "info") {
      ignore = false;
    }
  } else {
    process normally
  }

---

尽管是个问题。最好是预处理流，转义

和

之间的部分。例如，您可以围绕输入流编写一个包装器，动态地转换您的输入，这样SAX解析器得到的只是有效的XML。

您的XML很大吗？如果没有-您可以将其全部加载到一个字符串中，然后使用XPath查询访问感兴趣的节点

，但他仍然会获得HTML部分的SAX事件，对吗？所以一个未关闭的

会破坏一切。这是真的。这假设HTML是有效的XML。如果这是一个问题，那么我的另一个解决方案是将XML作为字符串抓取，使用RegExp去掉所有在和包括info标记之间运行的代码，然后发送其余代码进行正常的XML解析。RegExp被认为不适合解析XML或HTML，但只要信息标记不是嵌套的，并且不出现在文本字符串中，它就应该可以了。预处理看起来是个不错的主意，谢谢！。我会在它得到信息标签后加入一个cdata标签。