如何用Java从XML中获取带标签的完整内容？

嘿，这个问题我太熟悉了！getTextContent()方法的设计就是只提取节点下的纯文本内容，所以它会自动忽略掉子标签。要拿到包含<p>在内的完整内容，咱们可以借助Transformer把<content>的子节点转换成XML字符串，具体修改如下：

修改后的完整代码示例 #

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;
import org.w3c.dom.Document;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
import java.io.File;
import java.io.StringWriter;

public class XmlParser {
    public static void main(String[] args) {
        try {
            File fXmlFile = new File("./Index.xml");
            DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
            // 注意：如果XML里有命名空间，可能需要设置dbFactory.setNamespaceAware(true);
            DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
            Document doc = dBuilder.parse(fXmlFile);
            doc.getDocumentElement().normalize();

            // 获取<content>节点
            NodeList contentNodes = doc.getElementsByTagName("content");
            if (contentNodes.getLength() > 0) {
                Node contentNode = contentNodes.item(0);
                
                // 使用Transformer将节点的子节点转换成字符串
                TransformerFactory transformerFactory = TransformerFactory.newInstance();
                Transformer transformer = transformerFactory.newTransformer();
                // 可选：设置输出格式，比如去掉多余的换行和空格
                // transformer.setOutputProperty(OutputKeys.INDENT, "no");
                DOMSource source = new DOMSource(contentNode.getFirstChild()); // 取content的子节点（也就是<p>hello</p>）
                StringWriter writer = new StringWriter();
                StreamResult result = new StreamResult(writer);
                transformer.transform(source, result);
                
                // 输出完整的带标签内容
                String fullContent = writer.toString();
                System.out.println("完整内容：" + fullContent);
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

关键步骤说明 #

• 首先通过getElementsByTagName("content")定位到目标节点
• 用Transformer把<content>的子节点（也就是你要的<p>hello</p>）转换成XML字符串，而不是直接取文本
• 如果需要控制输出格式（比如去掉缩进），可以添加transformer.setOutputProperty()相关配置

补充小技巧 #

如果你的<content>标签下有多个子节点，直接用new DOMSource(contentNode)的话，会连<content>标签本身一起输出。如果只需要内部内容，就用contentNode.getFirstChild()（如果只有一个子节点），或者遍历所有子节点逐个转换拼接。

内容的提问来源于stack exchange，提问作者Rank Bazaar