Question

我有以下xml文档：

<?xml version="1.0" ?>
<tag>text<b><b>bold</b> bold again</b><b><br/>the end </tag>

我需要删除重复的标签但保留其内容，结果是：

<?xml version="1.0" ?>
    <tag>text<b>bold bold again</b>the end </tag>

我有以下代码：

import java.io.*;
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;
import org.w3c.dom.Document;
import org.w3c.dom.*;
import java.util.Arrays;

import javax.xml.transform.*;
import javax.xml.transform.dom.*;
import javax.xml.transform.stream.*;


import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.DocumentBuilder;
import org.xml.sax.SAXException;
import org.xml.sax.SAXParseException;


public class TakeDuplicatesXml{

    public static void main(String[] args){

        try{
            DocumentBuilderFactory docFactory = DocumentBuilderFactory.newInstance();
            DocumentBuilder docBuilder = docFactory.newDocumentBuilder();
            Document doc = docBuilder.parse("/Users/youruser/code/Exercises/file.xml");

            //get node list
            List<String> aux = new ArrayList<String>();
            removeDuplicate(doc.getDocumentElement(), aux);

            //print the new document out
            printXmlDocument(doc);
        } catch (Exception ex) {
            ex.printStackTrace();
        }
    }

    public static void printXmlDocument(Document doc){
        try{
            DOMSource domSource = new DOMSource(doc);
            StringWriter writer = new StringWriter();
            StreamResult result = new StreamResult(writer);
            TransformerFactory tf = TransformerFactory.newInstance();
            Transformer transformer = tf.newTransformer();
            transformer.transform(domSource, result);
            System.out.println("XML IN String format is: \n" + writer.toString());
        }catch (Exception ex) {
            ex.printStackTrace();
        }

    }
  //with recursion
    public static void removeDuplicate(Node node, List<String>  aux){

        System.out.println(node.getNodeName());
        //check if that node exists already
        if(aux.contains(node.getNodeName())){
            node.getParentNode().removeChild(node);
        }else{
            //add node name to aux list
            aux.add(node.getNodeName());
        }

        NodeList nodeList = node.getChildNodes();

        for (int i = 0; i < nodeList.getLength(); i++) {
            Node currentNode = nodeList.item(i);
            if (currentNode.getNodeType() == Node.ELEMENT_NODE) {
                //calls this method for all the children which is Element
                removeDuplicate(currentNode, aux);
            }
        }
    }
}

但结果不是我想要的，因为它带有节点的内容（粗体字已经消失）：

<tag>text<b> bold again</b><br/>the end </tag>

我该如何解决？我怎样才能让它更高效？

Answer 1

<b>bold</b>是<b> bold again</b>.的孩子如果你执行node.getParentNode().removeChild(node)它已经消失了。在删除之前，将子项的值添加到父项的值。

查询XML的另一种可能性是XPath。见XPath Tutorial：

Example 12：＆＃34;后代轴包含上下文节点的后代;后代是孩子或孩子的孩子，依此类推＆＃34;。
Example 8：＆＃34;函数名称（）返回元素的名称＆＃34;。

无法判断这是否更具效果。但我想这是 - 支持自写的递归。

Answer 2

所以我找到了解决方案。我仍然不确定它是否是最佳解决方案，但运作良好并按正确顺序排列内容：

//with recursion
    public static void removeDuplicate(Node node, List<String>  aux){


        //check if that node exists already
        if(aux.contains(node.getNodeName())){

            Node parentNode = node.getParentNode();
            String value = parentNode.getTextContent();

            parentNode.removeChild(node);
            parentNode.setTextContent(value);
        }else{
            //add node name to aux list
            aux.add(node.getNodeName());
        }

        NodeList nodeList = node.getChildNodes();

        for (int i = 0; i < nodeList.getLength(); i++) {
            Node currentNode = nodeList.item(i);
            if (currentNode.getNodeType() == Node.ELEMENT_NODE) {
                //calls this method for all the children which is Element
                removeDuplicate(currentNode, aux);
            }
        }

Answer 3

使用简单的XSLT转换可以最好地解决这类问题。您需要一个包含两个规则的样式表：一个复制所有未更改的标识规则

<xsl:template match="*">
  <xsl:copy>
    <xsl:copy-of select="@*"/>
    <xsl:apply-templates select="child::node()"/>
  </xsl:copy>
</xsl:template>

和删除嵌套b标记的另一个（更高优先级）规则：

<xsl:template match="b/b">
  <xsl:apply-templates/>
</xsl:template>

将它们包裹在通常的样板中：

<xsl:stylesheet version="1.0" xmlns:xsl="http:www.w3.org/1999/XSL/Transform">

.. template rules go here ...

</xsl:stylesheet>

然后使用以下命令从Java程序中调用它：

public class TakeDuplicatesXml {

public static void main(String[] args){

    try{
        TransformerFactory tFactory = TransformerFactory.newInstance();
        Templates t = tFactory.newTemplates(new File(... stylesheet file ....));
        Source doc = new StreamSource(
          new File("/Users/youruser/code/Exercises/file.xml"));
        t.newTransformer().transform(doc, new StreamResult(System.out));
    } catch (Exception ex) {
        ex.printStackTrace();
    }
}

使用Java删除XML文档上的重复节点标记

3 个答案: