从 XML 文件 (Java) 中的特定标签解析内容

Posted 2023-02-24

【中文标题】从 XML 文件 (Java) 中的特定标签解析内容

【英文标题】：Parse content from a specific tag in XML file (Java)

【发布时间】：2015-09-17 10:45:46

【问题描述】：

我有一个如下所示的 XML 文件，我需要使用 Java 生成一个 .txt 文件，其中包含标记中的纯文本，每一个都在一行中。

我读到我可以使用 SAX 来访问不同的标签，但是在这种情况下，在下面的示例中可能有随机标签，这是无效的。

执行此操作的最佳方法是什么？也许是正则表达式？

<?xml version="1.0" encoding="utf-8"?>
[...]
<source>
  <g id="_0">
    <g id="_1">First valid sentence</g>
  </g>
</source>
<source>Another valid string</source>

输出的 results.txt 应该是这样的：

First valid sentence
Another valid string

【问题讨论】：

已编辑。抱歉，我还没有阅读随机标签部分。我会将整个文档视为一个字符串，并首先尝试提取“随机”标签标识符。

使用 SAX，您只需等待开始标记，打开标志，然后收集您看到的所有字符，直到看到结束标记。只需忽略内部标签的开始和结束事件。

@JPMoresmau 所以在你的解决方案中我仍然需要使用正则表达式来丢弃 标签（上面的例子），如果存在的话。正确的？正如 Slow Trout 所建议的那样，将整个 XML 视为一个字符串并应用正则表达式不是更容易吗？

嗯，不，SAX 事件会告诉您“我开始源标签”，这就是您开始收集文本的提示。然后你会得到一个 SAX 事件，告诉你“我正在开始一个 g 标签”，这不会改变任何事情。然后当你得到一些你收集的文本时，直到你看到事件“关闭标签源”，你停止收集文本。

【参考方案1】：

您可以使用joox 库来解析xml 数据。使用其find() 方法可以获得所有<source> 元素，然后使用getTextContent() 提取其文本，例如：

import java.io.File;
import java.io.IOException;
import org.xml.sax.SAXException;
import static org.joox.JOOX.$;

public class Main 

    public static void main(String[] args) throws SAXException, IOException 
        $(new File(args[0]))
            .find("source")
            .forEach(elem -> System.out.println(elem.getTextContent().trim()));

    

我将假设一个格式良好的 xml 文件，例如：

<?xml version="1.0" encoding="utf-8"?>
<root>
    <source>
        <g id="_0">
            <g id="_1">First valid sentence</g>
        </g>
    </source>
    <source>Another valid string</source>
</root>

它产生：

First valid sentence
Another valid string