近期在解析XML的时候遇到了些问题，第一个就是上一篇中说到的Unicode字符的问题，第二个就是标签内容长度太长（超过6k字符）造成解析错误。

    比如，要解析的XML文件内容如下，其中desc标签的内容长度很长（超过6000个字符），

 
    
        
     
      101
        
     
       Java 
        
     
       simpsons lisa 
        
     
       ... apple lisa 
        
     
      23.5
      
    

    在使用Scala 自带的XML 的 API 

val str = """
    
        
     
      101
        
     
       Java 
        
     
       simpsons lisa 
        
     
       this is ... apple lisa 
        
     
      23.5
      
    """val p = XML.loadString(str)print(p \ "desc")

    发现结果不是正常的文本内容，而是

  “... apple lisa </desc>

     <price>23.5

     </price>

     </book> this is ...”

   desc解析越界

    查询了一些原因，在stackoverflow上有个回答：XML对标签内容的长度没有限制，但XML解析工具对此有限制，本人感觉有道理。对于长度超出限制（本机测试是6000+个字符的限制）的标签进行单独处理，本文用正则表达式去获取标签内容；

 eg：

if((p \ "desc").text.length() > 6000) {  val regex = Pattern.compile("
    
     *?((>(?s).*?
    ))")  val matcher = regex.matcher(str)  var desc  if(matcher.find()) {   val match = matcher.group()   desc = match.substring(4, match.length()-4)   }}