SAX解析器如何处理字符？

Question

我写了一段小代码来解析一个XML文件，想要打印出里面的字符，但每个字符似乎会调用characters()这个回调函数三次。

代码：

def characters(self,chrs):
            if self.flag==1:
                    self.outfile.write(chrs+'\n')

XML文件：

<e1>9308</e1>
<e2>865</e2>

而输出的结果像这样，出现了很多空行。

9308


865

我觉得应该是这样的：

9308

865

为什么会有空行呢？我查了一下文档信息：

characters(self, content)

接收字符数据的通知。解析器会调用这个方法来报告每一块字符数据。SAX解析器可能会将所有连续的字符数据作为一块返回，或者将其拆分成几块；但是，任何单个事件中的所有字符都必须来自同一个外部实体，这样定位器才能提供有用的信息。

所以SAX会把一个字符区域处理成几个片段？并且回调好几次？

Answer 1

用 self.outfile.write(chrs+'\n') 这种写法，你根本看不到具体发生了什么。

试试用 self.outfile.write("Chrs: %r\n" % chrs) 这个写法。

可以查一下内置的 repr() 函数…… "%r" % foo 和 repr(foo) 产生的结果是一样的；这两种写法在错误信息和调试的时候都非常有用。

Answer 2

所以SAX会把一个字符区域处理成几个小片段吗？然后回调好几次？

在你的情况中，这显然是发生了——你还有什么疑问吗？

不过你描述的问题不太清楚，因为你没有具体说明你在使用哪个解析器。

Answer 3

你发的这个XML例子显然不是完整的XML，因为那样的话会出错（而且SAX解析器会告诉你出错，而不是生成你的输出）。所以我假设这个XML还有更多内容没有展示给我们。

你需要知道的是，每一个在XML元素之间的空白字符都是字符数据。所以如果你有这样的内容：

<foo>
  <bar>123</bar>
</foo>

那么你至少有三个文本节点：一个包含 "\n "（也就是一个换行符和两个空格），一个包含 "123"，最后还有一个包含 "\n"（也就是仅仅一个换行符）。