如何使用DOM解析Java中的内联/混合内容xml元素

Question

我正在研究xml解析，并从各种资源中学到了一些东西。我是Java领域的初学者，但我仍然想尽一切办法。

目前，我一直试图解析如下所示的内容：

<poem>
    <line>Hey diddle, diddle 
        <i>the cat</i> and the fiddle.
    </line>
</poem>

这不是实际的xml，但是实际的xml看起来并不差很多，所以我发布了它（我想是相同的主意）

我正在尝试获取类似这样的输出：

Element : line
    text : Hey diddle, diddle
    element: i
        text: the cat
    text: and the fiddle.
------------------------ 
OR
------------------------ 

line:   Hey diddle, diddle
    i: the cat
    and the fiddle

此刻我的代码如下：

public class parsingWithDOM {

    public static void main(String[] args) {
        File xml = new File("/Users.../xmlTest.xml");
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        try {
            DocumentBuilder db = dbf.newDocumentBuilder();
            Document doc = db.parse(xml);

            NodeList nList = doc.getElementsByTagName("line");
            Node l = nList.item(0);
            if (l.getNodeType() == Node.ELEMENT_NODE) {
                Element line = (Element) l;
                System.out.println(line.getTagName()  + ": " + line.getTextContent());
                NodeList lineList = line.getChildNodes();
                for (int i = 0; i < lineList.getLength(); i++) {
                    Node node = lineList.item(i);
                    if (node.getNodeType() == Node.ELEMENT_NODE) {
                        Element lineElement = (Element) node;
                        System.out.println(lineElement.getTagName() + ": " + lineElement.getTextContent());
                    }
                }
            }

        } catch (IOException | ParserConfigurationException | DOMException | SAXException e) {
            System.out.println(e.getMessage());
        }

    }
}

无论如何，我得到的输出是这个（不是我想要的东西）

line: Hey diddle, diddle the cat and the fiddle.

i: the cat

任何帮助将不胜感激😊

Answer 1

您可以使用getFirstChild()，getFirstChild()和getNextSibling()方法浏览DOM树来做到这一点：

getNextSibling()

^{该代码使用Java 11+ getParentNode()方法缩进文本。对于Java的早期版本，请使用其他机制。}

输出

getParentNode()

Answer 2

XSLT中的许多任务比Java / DOM中的任务简单得多，这是其中之一。这是使用XSLT 3.0的解决方案。

int level = 0;
Node node = doc.getDocumentElement();
while (node != null) {
    // Process node
    if (node.getNodeType() == Node.ELEMENT_NODE) {
        System.out.println("  ".repeat(level) + "Element: \"" + node.getNodeName() + "\"");
    } else if (node.getNodeType() == Node.TEXT_NODE || node.getNodeType() == Node.CDATA_SECTION_NODE) {
        String text = node.getNodeValue()
                .replace("\r", "\\r")
                .replace("\n", "\\n")
                .replace("\t", "\\t");
        System.out.println("  ".repeat(level) + "Text: \"" + text + "\"");
    }

    // Advance to next node
    if (node.getFirstChild() != null) {
        node = node.getFirstChild();
        level++;
    } else {
        while (node.getNextSibling() == null && node.getParentNode() != null) {
            node = node.getParentNode();
            level--;
        }
        node = node.getNextSibling();
    }
}

输出为

repeat​(int count)

您可以在以下位置看到它的运行状态>>

repeat​(int count)

与您交谈：

• [

  Element: "poem"
    Text: "\n    "
    Element: "line"
      Text: "Hey diddle, diddle \n        "
      Element: "i"
        Text: "the cat"
      Text: " and the fiddle.\n    "
    Text: "\n"

  说您要输出文本，而不是XML或HTML

• [

  <?xml version="1.0" encoding="UTF-8"?>
  <xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
      xmlns:xs="http://www.w3.org/2001/XMLSchema"
      xmlns:f="http://local/"
      exclude-result-prefixes="#all"
      expand-text="yes"
      version="3.0">
  
    <xsl:output method="text" />
    <xsl:strip-space elements="*"/>
  
    <xsl:template match="*">
      <xsl:text>{f:indent(.)}ELEMENT {name()}</xsl:text>
      <xsl:apply-templates/>
    </xsl:template>
  
    <xsl:template match="text()">
      <xsl:text>{f:indent(.)}{.}</xsl:text>
    </xsl:template>
  
    <xsl:function name="f:indent" as="xs:string">
        <xsl:param name="node" as="node()"/>
        <xsl:sequence select="'&#xa;' || string-join((1 to count($node/ancestor::*))!'__')"/>
    </xsl:function>
  
  </xsl:stylesheet>

  说忽略输入中仅包含空格的文本节点

• 有两个

  ELEMENT poem
  __ELEMENT line
  ____text: Hey diddle, diddle 
  
  ____ELEMENT i
  ______text: the cat
  ____text: and the fiddle.

  规则，一个用于元素，一个用于文本节点

• 两者都调用函数https://xsltfiddle.liberty-development.net/gWEaSuR/1，该函数根据树中节点的深度（通过计算祖先找到）生成缩进

此样式表中的大部分工作都是正确设置输出格式（输入导航会自行处理）。我在输出中使用了下划线而不是空格，因此您可以看到输入的空白​​与样式表生成的空白之间的区别。

JDK具有内置的XSLT 1.0处理器，但是XSLT 3.0具有许多额外的功能，为此，您需要安装Saxon。这两个处理器都可以很容易地从Java应用程序中调用。

Answer 3

下面的代码应根据您的要求进行：