Question

我已经从PDF中提取了以下字符串格式的数据。（请注意间距不均和换行符）。

 Virtual Salary                                 25,100.00   EIS EE Contr.                                       7.90
 Virtual Car Allowance                           1,600.00   EPF Employee Contr.                             2,937.00
 Payment Received(Oversea)                       4,265.01   SOCSO Employee Contr.                              19.75

如何将字符串转换为XML，如下所示。

public void testMethod()
    {
        String extractedTestFromPDF=
                 " Virtual Salary                                 25,100.00   EIS EE Contr.                                       7.90\n"+
                 "\t Virtual Car Allowance                           1,600.00   EPF Employee Contr.                             2,937.00\n"+
                 " Payment Received(Oversea)                       4,265.01   SOCSO Employee Contr.                              19.75\n";

    }

所需XML：

<xml>
<Data>
    <Allowance>Virtual Salary</Allowance>
    <Allowance_Amount>25,100.00</Allowance_Amount>
</Data>
<Data>
    <Allowance>EIS EE Contr.</Allowance>
    <Allowance_Amount>7.90</Allowance_Amount>
</Data>
<Data>
    <Allowance>Virtual Car Allowance</Allowance>
    <Allowance_Amount>1,600.00</Allowance_Amount>
</Data>
...
</xml>

Answer 1

String fixedSizetoXML(String extractedTestFromPDF) {
    String[] lines = extractedTestFromPDF.split("\\R");
    Pattern pattern = Pattern.compile("^\\s*(\\S.{20})\\s\\s+([-\\d,\\.]+)\\s+.*$");
    //                                      (--------)       (-----------)
    return "<?xml verion="1.0">\n<Xml>\n"
        + Stream.of(lines)
              .map(pattern::matcher)
              .filter(m::find)
              .map(m -> String.format("<Data>\n"
                            + "    <Allowance>%s</Allowance>\n"
                            + "    <Allowance_Amount>%s</Allowance_Amount>"
                            + "</Data>,
                            m.group(1).trim(), m.group(2)))

              .collect(Collectors.joining(""))
        + "<Xml>\n";
}

我随意添加了XML预处理指令<?xml ...>，为清楚起见，将xml更改为Xml。

这些是具有固定长度字段的记录。盘点并不完全安全，看到制表符\t并考虑特殊字符：é可以是一个字符，也可以是e加上特殊的零宽度´，我改用了正则表达式模式。金额前至少需要两个空白字符。

Java 7

String fixedSizetoXML(String extractedTestFromPDF) {
    String[] lines = extractedTestFromPDF.split("\\R");
    Pattern pattern = Pattern.compile("^\\s*(\\S.{20})\\s\\s+([-\\d,\\.]+)\\s+.*$");
    //                                      (--------)       (-----------)
    StringBuilder sb = new StringBuilder(lines.length * 64);
    sb.append("<?xml verion="1.0">\n<Xml>\n");
    for (String line : lines) {
        Matcher m = pattern.matcher(line);
        if (m.find()) {
            String data = String.format("<Data>\n"
                            + "    <Allowance>%s</Allowance>\n"
                            + "    <Allowance_Amount>%s</Allowance_Amount>"
                            + "</Data>,
                            m.group(1).trim(), m.group(2));
            sb.append(data);
        }
    }
    sb.append("<Xml>\n");
    return sb.toString();
}

使用Java将字符串处理为XML

1 个答案: