Question

我想将XML文件作为输入并输出相同的XML，除了对属性和文本的一些搜索/替换操作，基于匹配某些节点特征。

这方面最好的一般方法是什么，是否有教程？

DOM已经出局，因为我无法保证能够将整个内容保留在内存中。

我不介意使用SAX或StAX，除了我希望默认行为是传递无操作过滤器;我曾经做过类似于StAX的事情，这很痛苦，没有使用命名空间，我不知道是否包含了我需要处理的所有案例。

我认为XSLT不起作用（但不确定），因为它是声明性的，我需要在确定输出上要发出的文本/属性时进行一些程序计算。

（人为例子：

假设我正在寻找XPath为/group/item/@number的所有节点，并希望将number属性评估为整数，使用方法public List<Integer> factorize(int i)对其进行计算，将因子列表转换为以空格分隔的字符串，并将属性factors添加到相应的/group/item节点？

输入：

<group name="beatles"><item name="paul" number="64"></group>
<group name="rolling stones"><item name="mick" number="19"></group>
<group name="who"><item name="roger" number="515"></group>

预期产出：

<group name="beatles"><item name="paul" number="64" factors="2 2 2 2 2 2"></group>
<group name="rolling stones"><item name="mick" number="19" factors="19"></group>
<group name="who"><item name="roger" number="515" factors="103 5"></group>

）

更新：我让StAX XMLEventReader / Writer方法轻松工作，但它不会保留某些在我的应用程序中很重要的格式怪癖。（我想保存/加载XML的程序不支持有效的XML文件。＆gt; :( argh。）有没有办法处理XML，最大限度地减少输入和输出之间的文本差异？（至少在字符数据方面）。）

Answer 1

XSLT似乎是您正在做的事情的合适模型。考虑使用带有过程扩展的XSLT。

如果您真的无法将整个文档保留在内存中，Saxon是您唯一的XSLT选择。很可能无论你需要做什么计算都可以在XSLT中完成 - 但如果没有，那么编写自己的extension functions并不是很难。

Answer 2

我发现Apache Digester对基于规则的XML解析有很大的帮助。

更新：如果它是您关注的过滤和输出，请查看关于相同问题的Developerworks上的这组文章。特别相关的是部分2，3和4。摘要：使用SAX，XMLFilter和XMLWriter。

虽然我认为这在技术上非常适合XSLT，但我总是发现难以调试复杂的转换。 YMMV： - ）

进一步更新： XMLWriter可从here获得。我不知道你对SAX的特殊困难是什么。我创建了一个文件groups.xml，其中包含：

<groups>
<group name="beatles"><item name="paul" number="64"/></group>
<group name="rolling stones"><item name="mick" number="19"/></group>
<group name="who"><item name="roger" number="515"/></group>
</groups>

请注意，我必须进行一些更改才能使格式良好的XML。然后，我敲了这个简单的Jython脚本groups.py来说明如何解决问题：

import java.io
import org.xml.sax.helpers
import sys

sys.path.append("xml-writer.jar")
import com.megginson.sax

def get_factors(n):
    return "factors for %s" % n

class MyFilter(org.xml.sax.helpers.XMLFilterImpl):
    def startElement(self, uri, localName, qName, attrs):
        if qName == "item":
            newAttrs = org.xml.sax.helpers.AttributesImpl(attrs)
            n = attrs.length
            for i in range(n):
                name = attrs.getLocalName(i)
                if name == "number":
                    newAttrs.addAttribute("", "factors", "factors",
                                          "CDATA",
                                          get_factors(attrs.getValue(i)))
            attrs = newAttrs
        #call superclass method...
        org.xml.sax.helpers.XMLFilterImpl.startElement(self, uri, localName,
                                                       qName, attrs)

source = org.xml.sax.InputSource(java.io.FileInputStream("groups.xml"))
reader = org.xml.sax.helpers.XMLReaderFactory.createXMLReader()
filter = MyFilter(reader)
writer = com.megginson.sax.XMLWriter(filter,
                                     java.io.FileWriter("output.xml"))
writer.parse(source)

显然，我已经嘲笑了因子发现功能，因为我相信这个例子纯粹是说明性的。该脚本会显示groups.xml，应用过滤器并输出到output.xml。我们来吧：

$ jython groups.py
$ cat output.xml

<?xml version="1.0" standalone="yes"?>

<groups>
<group name="beatles"><item name="paul" number="64" factors="factors for 64"></item></group>
<group name="rolling stones"><item name="mick" number="19" factors="factors for 19"></item></group>
<group name="who"><item name="roger" number="515" factors="factors for 515"></item></group>
</groups>

完成工作？当然，您需要将此代码转录为Java。

Answer 3

StAX应该适合你。管道输入输出非常简单;你只需要编写从XMLEventReader到XMLEventWriter的XMLEvent。

XMLEventFactory EVT_FACTORY;
XMLEventReader reader;
XMLEventWriter writer;

QName numberQName = new QName("number");
QName factorsQName = new QName("factors");
while(reader.hasNext()) {
  XMLEvent e = reader.nextEvent();
  if(e.isAttribute() && ((Attribute)e).getName().equals(numberQName)) {
     String v = ((Attribute)e).getValue();
     String factors = factorize(Integer.parseInt(v));
     XMLEvent factorsAttr = EVT_FACTORY.createAttribute(factorsQName, factors);
     writer.add(factorsAttr);
  }
  // pass through
  writers.add(e);
}

XML中流过滤的最佳Java方法？

3 个答案: