Cómo recuperar un elemento mixto de niños como texto (JDOM)

Question

tengo un XML como el siguiente:

<documentation> 
    This value must be <i>bigger</i> than the other. 
</documentation> 

Usando JDOM, puedo conseguir las siguientes estructuras del texto:

Document d = new SAXBuilder().build(new StringReader(s)); 
System.out.printf("getText:   '%s'%n", d.getRootElement().getText()); 
System.out.printf("getTextNormalize: '%s'%n", d.getRootElement().getTextNormalize()); 
System.out.printf("getTextTrim:  '%s'%n", d.getRootElement().getTextTrim()); 
System.out.printf("getValue:   '%s'%n", d.getRootElement().getValue()); 

que dan me las siguientes salidas:

getText:   ' 
    This value must be than the other. 
' 
getTextNormalize: 'This value must be than the other.' 
getTextTrim:  'This value must be than the other.' 
getValue:   ' 
    This value must be bigger than the other. 
' 

lo que realmente quería era conseguir que el contenido del elemento en forma de cadena, es decir, "This value must be <i>bigger</i> than the other.". getValue() se acerca, pero elimina la etiqueta <i>. Supongo que quería algo como innerHTML para documentos XML ...

¿Debo simplemente usar un XMLOutputter en los contenidos? ¿O hay una mejor alternativa?

Answer 1

yo diría que debe cambiar su documento a

<documentation> 
    <![CDATA[This value must be <i>bigger</i> than the other.]]> 
</documentation> 

con el fin de cumplir con la especificación XML. De lo contrario, <i> se consideraría un elemento secundario de <documentation> y no de contenido.

Answer 2

Jericho HTML es ideal para este tipo de tarea. Esto se puede hacer exactamente lo que estamos tratando de hacer con un bloque de código como este:

String snippet = new Source(html).getFirstElement().getContent().toString(); 

También es ideal para trabajar con HTML en general, ya que no trata de forzar a la existencia XML que ... lo trata con mucha más indulgencia.

Answer 3

En JDOM pseudocódigo:

for Object o in d.getRootElement().getContents() 
    if o instanceOf Element 
     print <o.getName>o.getText</o.getName> 
    else // it's a text 
     print o.getText() 

Sin embargo, como Prashant Bhate wrote: content.getText() da texto inmediata que sólo es bien útil con los elementos de la hoja con contenido de texto.