Estrarre testo html da file xml

[rascio88]

Salve a tutti...premetto che conosco molto poco di xml...la mia situazione è questa...
ho un file xml contenente vari campi che dovrei leggere e rimettere i dati su database...tramite il DomParser sono riuscito ad estrarre i vari campi ma sorge un problema quando uno di questi campi contiene un testo html...perchè il parser mi legge i vari tag html come sottonodi del nodo in cui mi trovo...io ho a disposizione il dtd del file xml e penso che questo mi possa aiutare...ma non ho la minima idea di come usarlo...qualcuno può aiutarmi???

[andbin]

Originariamente inviato da rascio88
Salve a tutti...premetto che conosco molto poco di xml...la mia situazione è questa...
ho un file xml contenente vari campi che dovrei leggere e rimettere i dati su database...tramite il DomParser sono riuscito ad estrarre i vari campi ma sorge un problema quando uno di questi campi contiene un testo html...perchè il parser mi legge i vari tag html come sottonodi del nodo in cui mi trovo...io ho a disposizione il dtd del file xml e penso che questo mi possa aiutare...ma non ho la minima idea di come usarlo...qualcuno può aiutarmi???

Innanzitutto dovresti specificare quale libreria/parser stai usando. Visto che parli di "DomParser", posso immaginare che stai usando direttamente Xerces. È solo una delle possibilità ... si potrebbero sfruttare altri parser o anche attaverso la API JAXP.

A parte questo, se usi l'approccio DOM, alla fine di tutta la procedura di parsing ottieni un albero di nodi e spetta a te, secondo cosa devi fare, "navigare" avanti e indietro nell'albero per reperire le informazioni che ti servono.

Ma a questo punto bisognerebbe vedere meglio come è la struttura del documento XML, cioè dove sono le parti HTML, se ai tag HTML è stato associato un namespace e cosa devi estrarre.

[rascio88]

si le librerie sono quelle di xerces ma non devo usare per forza quelle...come già detto ho le idee molto confse sul come farlo...l'xml è una cosa tipo:

<record>
<nome>pippo</nome>
<categoria>fumetto</categoria>
<descrizione> pippo è un amico di Topolino</descirizione>
</record>

io devo estrarre quei dati...quello che ho trovato su internet è stata quella libreria Xerces e visto che ero riuscito cmq a ricavare tutto pensavo che andava bene quella...però se c'è qlc soluzione migliore buono a sapersi...

[andbin]

Originariamente inviato da rascio88

<record>
<nome>pippo</nome>
<categoria>fumetto</categoria>
<descrizione> pippo è un amico di Topolino</descirizione>
</record>

Ok ma dipende da cosa devi farci. Il nodo <descrizione> nel caso sopra avrà 3 nodi figli: un nodo di testo " pippo è un " poi un elemento [b] e infine un nodo di testo " di Topolino". Il nodo dell'elemento [b] avrà un unico figlio che è un nodo di testo "amico".

[rascio88]

si ok e così è proprio come viene a me...il problema è che il nodo di testo descrizione mi dovrebbe contenere proprio

pippo è un amico  di topolino

il prob è come faccio a dirgli che descrizione non può avere un nodo figlio e che quindi mi deve prendere tutto quello che ha dentro???