Question

我想从XML文档中删除某些标记作为过滤过程的一部分，但我不能修改XML的外观或结构。

输入XML以字符串形式出现，例如：

<?xml version="1.0" encoding="UTF-8"?>
<main>
    <mytag myattr="123"/>
    <mytag myattr="456"/>
</main>

并且输出需要删除属性值为的mytag，例如456：

<?xml version="1.0" encoding="UTF-8"?>
<main>
    <mytag myattr="123"/>
</main>

差异应仅显示已删除的代码作为输入和输出之间的差异。

我已经研究过SAX，StAX和JAXB，但它看起来不像使用任何这些API输入的格式输出XML。相反，它们会形成结构良好的XML，并带有适当的缩进和空格，这有时会显示出与输入的差异。

我当前的方法使用正则表达式但不是很健壮，因为它没有考虑构造上述XML的所有可能方法。例如，要匹配属性值：

myAttr\s*=\s*"([^"]*)"

这适用于上面的示例，但在给定此XML标记时无效：

<mytag myattr=
    123></mytag>

在这种情况下，正则表达式真的是最佳选择吗？

Answer 1

不要使用正则表达式来解析XML！您已经知道在尝试时会发生什么，以及I have a spiel on why this is。

在您的情况下，您应该使用XSLT。用于执行所需操作的XSLT文件非常简单易懂。它基本上如下：

<xsl:template match="mytag[@myattr=123]">
</xsl:template>
<xsl:template match="*|@*">
  <xsl:copy>
    <xsl:apply-templates select="*|@*" />
  </xsl:copy>
</xsl:template>

只要不是mytag属性myattr=123，它就会复制任何元素。

我在你的示例文件上测试了它并获得了你想要的输出。

现在，关于如何在Java中使用XSLT，看起来像an entire book has been written on the subject。您可以使用您喜欢的任何XML库。我之前从未实际使用过XSLT，所以我无法告诉你哪个库最容易使用。

在保留其结构的同时过滤XML

1 个答案: