Scala解析XML

Posted 2020-10-08 cindy_zl

首先先把XML文件读入到内存里:

val someXml = XML.loadFile("file/Example.xml")

这样someXml是一个scala.xml.Elem对象。

Scala XML API提供了类似XPath的语法来解析XML。在NodeSeq这类父类里，定义了两个很重要的操作符("\"和"\\")，用来获得解析XML：

• \ ：Projection function, which returns elements of this sequence based on the string that--简单来说，\ 根据条件搜索下一子节点
• \\：Projection function, which returns elements of this sequence and of all its subsequences, based on the string that--而 \\ 则是根据条件搜索所有的子节点

先上一个XML的文件作为例子：

<fix major="4" minor="2">
  <header>
    <field name="BeginString" required="Y">FIX4.2</field>
    <field name="MsgType" required="Y">Test</field>
  </header>
  <trailer>
    <field name="Signature" required="N"/>
    <field name="CheckSum" required="Y"/>
  </trailer>
  <messages>
    <message name="Logon" msgtype="A" msgcat="admin">
      <field name="ResetSeqNumFlag" required="N"/>
      <field name="MaxMessageSize" required="N"/>
      <group name="NoMsgTypes" required="N">
        <field name="RefMsgType" required="N"/>
        <field name="MsgDirection" required="N"/>
      </group>
    </message>
    <message name="ResendRequest" msgtype="2" msgcat="admin">
      <field name="BeginSeqNo" required="Y"/>
      <field name="EndSeqNo" required="Y"/>
    </message>
  </messages>
  <fields>
    <field number="1" name="TradingEntityId" type="STRING"/>
    <field number="4" name="AdvSide" type="STRING">
      <value enum="X" description="CROSS"/>
      <value enum="T" description="TRADE"/>
    </field>
    <field number="5" name="AdvTransType" type="STRING">
      <value enum="N" description="NEW"/>
    </field>
  </fields>
</fix>

1. 首先来个简单的，如果要找header下的field，那么这样写即可：

val headerField = someXml\"header"\"field"

2.找所有的field：

val field = someXml\\"field"

3. 找特定的属性(attribute)，如找header下的所有field的name属性的值：

val fieldAttributes = (someXml\"header"\"field").map(_\"@name")

val fieldAttributes = someXml\"header"\"field"\\"@name"

两个都能找到header下面所有field的name属性，但问题是输出的格式不一样。前者会返回一个List-List(BeginString, MsgType)，而后者仅仅是BeginStringMsgType。中间连空格也没有。所以建议用前一种方法获得属性。

之前以为，下面的方法，和第二种方法一样能够获得属性的值：

val fieldAttributes = someXml\"header"\"field"\"@name"

根据\操作符的定义，理论上应该可以输出name属性的。实际上输出的结果是空，什么也没有。

\操作符的源码里有这么一段：

    that match {
      case ""                                         => fail
      case "_"                                        => makeSeq(!_.isAtom)
      case _ if (that(0) == ‘@‘ && this.length == 1)  => atResult
      case _                                          => makeSeq(_.label == that)
    }

第三个case表面，只有当this.length==1时，才可以这样做。原因其实很简单，somXml\"header"\"field"返回的是一个Seq[Node]的集合，包含多个对象。而\"@"的操作无法确定操作哪一个对象的属性：

  val x = <b><h id="bla"/><h id="blub"/></b>
  val y = <b><h id="bla"/></b>
  println(x\\"h"\"@id") //Wrong
  println(y\\"h"\"@id") //Correct with output: bla

 

4. 查找并输出属性值和节点值的映射：

(someXml\"header"\"field").map(n=>(n\"@name", n.text, n\"@required"))

这样的输出是List((BeginString,FIX4.2,Y), (MsgType,Test,Y))

 

5. 有条件地查找节点，例如查找name=Logon的message：

val resultXml1 = (someXml\\"message").filter(_.attribute("name").exists(_.text.equals("Logon")))

val resultXml2 = (someXml\\"message").filter(x=>((x\"@name").text)=="Logon")

 

6. 通过 \\"_" 获得所有的子节点，例如：

println(resultXml1\\"_")

结果是：

<message msgcat="admin" msgtype="A" name="Logon">
      <field required="N" name="ResetSeqNumFlag"/>
      <field required="N" name="MaxMessageSize"/>
      <group required="N" name="NoMsgTypes">
        <field required="N" name="RefMsgType"/>
        <field required="N" name="MsgDirection"/>
      </group>
</message>