在保留其结构的同时过滤 XML

Question

作为过滤过程的一部分，我想从 XML 文档中删除某些标签，但我无法修改 XML 的外观或结构。

输入的 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 456 的 mytag：

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

差异应该只将删除的标签显示为输入和输出之间的差异。

我研究过 SAX、StAX 和 JAXB，但似乎无法以与使用这些 API 中的任何一个输入相同的格式输出 XML。相反，它们将形成结构良好的 XML，具有适当的缩进和空格，有时会显示与输入的差异。

我当前的方法使用正则表达式，但不是很健壮，因为它没有考虑所有可能的构造上述 XML 的方法。比如要匹配属性值：

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

这适用于上面的示例，但对于这个 XML 标记将不起作用：

<mytag myattr=
    123></mytag>

在这种情况下，正则表达式真的是最好的选择吗？

Answer 1

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

在您的情况下，您应该使用XSLT。一个 XSLT 文件来做你想做的事情是非常简单和容易理解的。基本上是这样的：

<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 属性为myattr=123 的元素，它就会复制任何元素。

我在你的示例文件上对其进行了测试，得到了你说你想要的输出。

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。您可能可以使用您最喜欢的任何 XML 库。我以前从未真正将 XSLT 与 Java 一起使用，所以我不能告诉你哪个库最容易使用。