使用 Java 删除 XML 中的空标签

Posted 2023-02-24

【中文标题】使用 Java 删除 XML 中的空标签

【英文标题】：Remove empty tags at XML using Java

【发布时间】：2015-06-01 15:31:39

【问题描述】：

我正在为 servlet 提供一些功能，我想做的一件事是，当接收 InputStream（基本上是解析为 XML 格式的 PDF 文档）时，将该数据设置为 String 对象，然后我尝试删除所有的空标签，但到目前为止我还没有得到任何好的结果：

这是 servlet 正在接收的数据

    <form1>
        <GenInfo>
            <Section1>
                <EmployeeDet>
                    <Title>999990000</Title>
                    <Firstname>MIKE</Firstname>
                    <Surname>SPENCER</Surname>
                    <CoName/>
                    <EmpAdd>
                        <Address><Add1/><Add2/><Town/><County/><Pcode/></Address>
                    </EmpAdd>
                    <PosHeld>DEVELOPER</PosHeld>
                    <Email/>
                    <ConNo/>
                    <Nationality/>
                    <PPSNo/>
                    <EmpNo/>
                </EmployeeDet>
            </Section1>
        </GenInfo>
    </form1>

最终的结果应该是这样的：

    <form1>
        <GenInfo>
            <Section1>
                <EmployeeDet>
                    <Title>999990000</Title>
                    <Firstname>MIKE</Firstname>
                    <Surname>SPENCER</Surname>
                    <PosHeld>DEVELOPER</PosHeld>
                </EmployeeDet>
            </Section1>
        </GenInfo>
    </form1>

如果这是一个重复的问题，我深表歉意，但我对类似的帖子进行了一些研究，但没有一个可以为我提供正确的方法，这就是我在单独的帖子中问你的原因。

提前谢谢你。

【问题讨论】：

请说明您已经采取的方法。

您使用什么 API 来解析 XML？解析 XML，并遍历所有元素。删除没有内容、没有子级和没有属性的元素。

【参考方案1】：

这是regex 做你想做的事的方式。我确信可能有一些我没有想到的“边缘”案例，但有时你无法分辨何时使用regex。此外，DOM 解析器可能是最好的方法。

public static void main(String[] args) throws Exception 
    String[] patterns = new String[] 
        // This will remove empty elements that look like <ElementName/>
        "\\s*<\\w+/>", 
        // This will remove empty elements that look like <ElementName></ElementName>
        "\\s*<\\w+></\\w+>", 
        // This will remove empty elements that look like 
        // <ElementName>
        // </ElementName>
        "\\s*<\\w+>\n*\\s*</\\w+>"
    ;

    String xml = "    <form1>\n" +
                    "        <GenInfo>\n" +
                    "            <Section1>\n" +
                    "                <EmployeeDet>\n" +
                    "                    <Title>999990000</Title>\n" +
                    "                    <Firstname>MIKE</Firstname>\n" +
                    "                    <Surname>SPENCER</Surname>\n" +
                    "                    <CoName/>\n" +
                    "                    <EmpAdd>\n" +
                    "                        <Address><Add1/><Add2/><Town/><County/><Pcode/></Address>\n" +
                    "                    </EmpAdd>\n" +
                    "                    <PosHeld>DEVELOPER</PosHeld>\n" +
                    "                    <Email/>\n" +
                    "                    <ConNo/>\n" +
                    "                    <Nationality/>\n" +
                    "                    <PPSNo/>\n" +
                    "                    <EmpNo/>\n" +
                    "                </EmployeeDet>\n" +
                    "            </Section1>\n" +
                    "        </GenInfo>\n" +
                    "    </form1>";

    for (String pattern : patterns) 
        Matcher matcher = Pattern.compile(pattern).matcher(xml);
        xml = matcher.replaceAll("");
    

    System.out.println(xml);

结果：

    <form1>
        <GenInfo>
            <Section1>
                <EmployeeDet>
                    <Title>999990000</Title>
                    <Firstname>MIKE</Firstname>
                    <Surname>SPENCER</Surname>
                    <PosHeld>DEVELOPER</PosHeld>
                </EmployeeDet>
            </Section1>
        </GenInfo>
    </form1>

【讨论】：

非常感谢！这就是我一直在寻找的。​​span>

@JoseBerciano 不客气...请点击我的答案的复选标记，以便您的问题得到解决并从未回答的列表中删除。

如果标签是 则失败。你能帮我找到它的正则表达式吗

同样的问题@Ramesh你找到解决办法了吗？

【参考方案2】：

您要做的是递归地遍历所有节点。一旦你找到一片叶子，它就是空的，只需将其移除即可。

有一个非常好的使用DOM解析器的例子here