如何解析具有相同标签名称的嵌套xml标签

Question

我有未指定数量的嵌套类别，其中包含项目：

<categories>
    <category>abc
        <category>cde
            <item>someid</item>
            <item>someid</item>
            <item>someid</item>
            <item>someid</item>
        </category>
    </category>
<category>xyz
   <category>zwd
       <category>hgw
           <item>someid</item>
...

结果应该是嵌套最深的类别（cde 或 hgw）中的项目列表。棘手的是可以有超过两级的类别嵌套，我想为子类别保存每个父类别。

我已经用 Jackson XmlMapper 和 ObjectMapper 做了一些 xml 解析，但是这个用例似乎遥不可及。所以我用 javax xml 解析器试了一下，但放弃了，因为代码看起来很糟糕，很难读。

知道如何以更优雅的方式解决这个问题吗？

Answer 1

如果任务是快速从 xml 中提取一些值，那么我会使用 jsoup。 Jsoup 实际上是一个 html 解析器，但也能够解析 xml。我不确定 jsoup 是否也可以验证 xml 模式并处理命名空间和 ... 这对于其他解析器是可能的。但是阅读一些值 jsoup 通常对我来说就足够了。如果你想看看Jsoup cookbook 或selector syntax

马文：

<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.13.1</version>
</dependency>

使用 jsoup，您的代码可能类似于：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.parser.Parser;
import org.jsoup.select.Elements;

public class Example {


    public static void main(String[] args) {
        String xml = "<categories>\n"
                + "    <category>abc\n"
                + "        <category>cde\n"
                + "            <item>someid_1</item>\n"
                + "            <item>someid_2</item>\n"
                + "            <item>someid_3</item>\n"
                + "            <item>someid_4</item>\n"
                + "        </category>\n"
                + "    </category>\n"
                + "    <category>xyz\n"
                + "       <category>zwd\n"
                + "          <category>hgw\n"
                + "             <item>someid_5</item>\n"
                + "          </category>\n"
                + "       </category>\n"
                + "    </category>\n"
                + " </categories>";

        Document doc = Jsoup.parse(xml, "", Parser.xmlParser());

        //if you are interested in Items only
        Elements items = doc.select("category > item");
        items.forEach(i -> {
            System.out.println("Parent text: " +i.parent().ownText());
            System.out.println("Item text: "+ i.text());
            System.out.println();
        });


        //if you are interested in categories having at least one direct item element
        Elements categories = doc.select("category:has(> item)");
        categories.forEach(c -> {
            System.out.println(c.ownText());
            Elements children = c.children();
            children.forEach(ch -> {
                System.out.println(ch.text());
            });
            System.out.println();
        });
    }

}

输出：

Parent text: cde
Item text: someid_1

Parent text: cde
Item text: someid_2

Parent text: cde
Item text: someid_3

Parent text: cde
Item text: someid_4

Parent text: hgw
Item text: someid_5

cde
someid_1
someid_2
someid_3
someid_4

hgw
someid_5