17370845950

关键是要遍历子节点并区分TEXT_NODE与ELEMENT_NODE：TEXT_NODE（3）用getNodeValue()获取文本（注意t

rim），ELEMENT_NODE（1）递归处理；跳过注释等无关节点，以保留混合内容结构。

Java处理混合内容XML节点（即同一层级中既有文本又有子元素）的关键是避免直接调用 getTextContent()，因为它会把所有后代文本拼接成一个字符串，丢失结构信息。正确做法是遍历子节点，区分 Node.TEXT_NODE 和 Node.ELEMENT_NODE，分别处理。

使用DOM逐节点遍历识别混合内容

DOM解析器保留了节点的原始顺序和类型，适合处理混合内容。核心是检查每个子节点的 getNodeType()：

• TEXT_NODE（3）：对应纯文本（包括空白、换行），可用 getNodeValue() 获取；注意前后空白可能需 trim()
• ELEMENT_NODE（1）：对应子元素，可递归处理或提取属性/内容
• 跳过 COMMENT_NODE、PROCESSING_INSTRUCTION_NODE 等无关节点（除非业务需要）

示例：解析带内联标签的段落

比如XML片段：

这是强调的文字，还有加粗部分。

Java代码应这样处理：

NodeList children = element.getChildNodes();
for (int i = 0; i < children.getLength(); i++) {
    Node child = children.item(i);
    switch (child.getNodeType()) {
        case Node.TEXT_NODE:
            String text = child.getNodeValue().trim();
            if (!text.isEmpty()) {
                System.out.println("文本: " + text);
            }
            break;
        case Node.ELEMENT_NODE:
            Element elem = (Element) child;
            System.out.println("标签: " + elem.getTagName() + ", 内容: " + elem.getTextContent().trim());
            break;
    }
}

用JAXB时需自定义XmlAdapter

JAXB默认不支持混合内容映射到Java对象。必须通过 @XmlAnyElement(lax = true) 或自定义 XmlAdapter 来捕获原始节点序列：

• 定义一个容器类，字段类型为 List
• 用 @XmlAnyElement 标注该字段，JAXB会将文本节点转为 org.w3c.dom.Text，元素节点转为 Element
• 在适配器中统一转换为业务对象（如 TextChunk 或 EmphasisChunk）

考虑用StAX替代DOM提升效率

对于大文件或流式处理，StAX（XMLStreamReader）更轻量且天然支持混合内容顺序解析：

• XMLStreamReader.next() 每次推进一个事件
• EVENT.START_ELEMENT → 处理开始标签
• EVENT.CHARACTERS → 获取文本片段（getText()）
• EVENT.END_ELEMENT → 结束当前元素，可据此判断混合内容边界

不复杂但容易忽略的是：文本节点常因格式缩进产生空节点，务必检查 getNodeValue() 是否为空白再处理。