如何解析非常规的 XML 文件答案

【问题标题】：How to parse unconventional XML files如何解析非常规的 XML 文件
【发布时间】：2014-09-09 13:45:17
【问题描述】：

我需要获取我认为“非常规”的 XML 文件，并将其转换为我认为的“常规”文件。下面的 XML 示例已经“清除”了专有名称/值。

“非常规”的 XML 文件如下所示：

    <?xml version="1.0" encoding="UTF-8"?>
    <dataView name="document/aDocument" xmlns="http://component.mycompany.com/entity/ds" xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
    <dataItems>
        <dataItem name="item1" location="item1" dataItemType="Long">
            <value xsi:type="xs:string">1</value>
        </dataItem>
        <dataItem name="item2" location="item.seconditem(some item).ref" dataItemType="String">
            <value xsi:type="xs:string">ABC2DEF3</value>
        </dataItem>
    </dataItems>
    <dataRepeaters>
        <dataRepeater name="SomeLevel1" runtimeInfomration="SomeLevel11984371030">
            <dataGroups>
                <dataGroup name="SomeLevel2" location="SomeLevel:(a level).thelevel" keyValue="SomeLevel119843710300" runtimeInformation="19843710300">
                    <dataItems>
                        <dataItem name="someItem1" location="someLevel.aLevel(another item)" dataItemType="String">
                            <value xsi:type="xs:string">12345</value>
                        </dataItem>
                        <dataItem name="someItem2" location="someLevel.aLevel(another item2)" dataItemType="Integer"/>
                        <dataItem name="someItem3" location="someLevel.aLevel(another item3)" dataItemType="ObjectReference">
                            <value xsi:type="xs:string">11:20012:3536</value>
                        </dataItem>
                        <dataItem name="someItem4" location="someLevel.aLevel(another item4)" dataItemType="String"/>
                        <dataItem name="someItem5" location="someLevel.aLevel(another item5)" dataItemType="String">
                            <value xsi:type="xs:string">someItem5 Data</value>
                        </dataItem>
                        <dataItem name="someItem6" location="someLevel.aLevel(another item6)" dataItemType="CurrencyAmount">
                            <value xsi:type="xs:string">123456:USD</value>
                        </dataItem>
                    </dataItems>
                </dataGroup>
                <dataGroup name="SomeLevel3" keyValue="SomeLevel31984371030" runtimeInformation="1984371030">
                    <dataRepeaters>
                        <dataRepeater name="SomeLevel4" runtimeInfomration="SomeLevel4">
                            <dataGroups>
                                <dataGroup name="SomeLevel5" location="anotherLevel.level5(SomeLevel5):someLevel5" keyValue="SomeLevel51984371030-11521863690" runtimeInformation="1984371030-11521863690">
                                    <dataItems>
                                        <dataItem name="someItem6" location="someLevel.aLevel(another item6)" dataItemType="BigDecimal">
                                            <value xsi:type="xs:string">303.149</value>
                                        </dataItem>
                                        <dataItem name="someItem7" location="someLevel.aLevel(another item7)" dataItemType="CurrencyAmount">
                                            <value xsi:type="xs:string">117:USD</value>
                                        </dataItem>
                                        <dataItem name="someItem8" location="someLevel.aLevel(another item8)" dataItemType="String">
                                            <value xsi:type="xs:string">117.000000:USD</value>
                                        </dataItem>
                                        <dataItem name="someItem9" location="someLevel.aLevel(another item9)" dataItemType="CurrencyAmount">
                                            <value xsi:type="xs:string">117:USD</value>
                                        </dataItem>
                                    </dataItems>
                                    <dataRepeaters>
                                        <dataRepeater name="SomeLevel6" runtimeInfomration="someLevel6">
                                            <dataGroups/>
                                            </dataRepeater>
                                    </dataRepeaters>
                                </dataGroup>
                                <dataGroup name="SomeLevel7" location="anotherLevel.level5(SomeLevel7):someLevel7" keyValue="SomeLevel71984371030-11521863690" runtimeInformation="1984371030-11521863690">
                                    <dataItems>
                                        <dataItem name="someItem10" location="someLevel.aLevel(another item10)" dataItemType="BigDecimal">
                                            <value xsi:type="xs:string">292.741</value>
                                        </dataItem>
                                        <dataItem name="someItem11" location="someLevel.aLevel(another item11)" dataItemType="CurrencyAmount">
                                            <value xsi:type="xs:string">165:USD</value>
                                        </dataItem>
                                        <dataItem name="someItem12" location="someLevel.aLevel(another item12)" dataItemType="String">
                                            <value xsi:type="xs:string">165.000000:USD</value>
                                        </dataItem>
                                        <dataItem name="someItem13" location="someLevel.aLevel(another item13)" dataItemType="CurrencyAmount">
                                            <value xsi:type="xs:string">165:USD</value>
                                        </dataItem>
                                    </dataItems>
                                    <dataRepeaters/>
                                </dataGroup>
                                <dataGroup name="SomeLevel8" location="anotherLevel.level5(SomeLevel8):someLevel8" keyValue="SomeLevel81984371030-11521863690" runtimeInformation="1984371030-11521863690">
                                    <dataItems>
                                        <dataItem name="someItem14" location="someLevel.aLevel(another item14)" dataItemType="BigDecimal">
                                            <value xsi:type="xs:string">369.075</value>
                                        </dataItem>
                                        <dataItem name="someItem15" location="someLevel.aLevel(another item15)" dataItemType="CurrencyAmount">
                                            <value xsi:type="xs:string">598:USD</value>
                                        </dataItem>
                                        <dataItem name="someItem16" location="someLevel.aLevel(another item16)" dataItemType="String">
                                            <value xsi:type="xs:string">598.000000:USD</value>
                                        </dataItem>
                                    </dataItems>
                                    <dataRepeaters>
                                        <dataRepeater name="SomeLevel9" runtimeInfomration="someLevel9">
                                            <dataGroups>
                                                <dataGroup name="SomeLevel10" location="ownedAuto.AgreementActual(Liability).ConstantRole(Policy Form):policyForm" keyValue="aomeLevel101984371030-11521863690-115218636900" runtimeInformation="1984371030-11521863690-115218636900">
                                                    <dataItems>
                                                        <dataItem name="someItem17" location="someLevel.aLevel(another item17)" dataItemType="String">
                                                            <value xsi:type="xs:string">Some Data | ABC 123</value>
                                                        </dataItem>
                                                        <dataItem name="someItem18" location="someLevel.aLevel(another item18)" dataItemType="Integer">
                                                            <value xsi:type="xs:string">2</value>
                                                        </dataItem>
                                                    </dataItems>
                                                </dataGroup>
                                            </dataGroups>
                                        </dataRepeater>
                                        <dataRepeater name="SomeLevel10" runtimeInfomration="someLevel11">
                                            <dataGroups/>
                                        </dataRepeater>
                                    </dataRepeaters>
                                </dataGroup>
                            </dataGroups>
                        </dataRepeater>
                    </dataRepeaters>
                </dataGroup>
            </dataGroups>
        </dataRepeater>
    </dataRepeaters>
</dataView>

我正在尝试将其转换为以下内容：

    <?xml version="1.0" encoding="UTF-8"?>
<dataView name="document/aDocument" xmlns="http://component.mycompany.com/entity/ds" xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
  <item1>1</item1>
  <item2>ABC2DEF3</item2>
  <SomeLevel1>
    <SomeLevel2>
      <someItem1>12345f</someItem1>
      <someItem2></someItem2>     
      <someItem3>11:20012:3536</someItem3>
      <someItem4>12345f</someItem4>
      <someItem5>someItem5 Data</someItem5>
      <someItem6>123456:USD</someItem6>
    </SomeLevel2>
    <SomeLevel3>
      <SomeLevel4>
        <SomeLevel5>
          <someItem7>303.149</someItem7>
          <someItem8>117:USD</someItem8>
          <someItem9>117.000000:USD</someItem9>
          <someItem10>117:USD</someItem10>
          <SomeLevel6></SomeLevel6>
        </SomeLevel5>
        <SomeLevel7>
          <someItem11>292.741</someItem11>
          <someItem12>165:USD</someItem12>
          <someItem13>165.000000:USD</someItem13>
          <someItem14>165:USD</someItem14>
        </SomeLevel7>
        <SomeLevel8>
          <someItem15>369.075</someItem15>
          <someItem16>598:USD</someItem16>
          <someItem17>598.000000:USD</someItem17>
          <SomeLevel9>
            <SomeLevel10>
              <someItem18>Some Data | ABC 123</someItem18>
              <someItem19>2</someItem19>
            </SomeLevel10>
          </SomeLevel9>
          <SomeLevel11></SomeLevel11>
        </SomeLevel8>
      </SomeLevel4>
    </SomeLevel3>
  </SomeLevel1>
</dataView>

所以基本上我试图采用“名称”属性并将其作为 XML 节点/标签和 <value> 节点/标签之间的值，并将其用作 XML 节点/标签的“值”。

我尝试了几种不同的解析/编写“例程”，以下两个是最接近我的两个。所以我忽略了其他的，因为它们只是“噪音”。

这是我迄今为止尝试过的：

private Document xmlDocument;

public void convertXML() {
      xmlDocument = DocumentBuilderFactory.newInstance().newDocumentBuilder().parse(new InputSource(new StringReader("DSExample.xml")));

      DocumentBuilderFactory docFactory = DocumentBuilderFactory.newInstance();
      DocumentBuilder docBuilder = docFactory.newDocumentBuilder();

      Node dsNode = xmlDocument.getDocumentElement();

      xmlDocument = docBuilder.newDocument();

      // Attempt 1:   
      doSomethingDS(dsNode); // This will convert the XML but with NO nesting - creates example output 1
      // Attempt 2:
      traverseDS(dsNode); // This will create an XML with ONLY the root dataItems - Don't know why - creates example output 2
}

public void doSomethingDS(Node node) {  
    System.out.println(node.getNodeName());
    Element xmlElement = null;

    // This will be the "root" element/node "dataView":
    if(node.getNodeName() != null && node.getNodeName().equalsIgnoreCase("dataView")) {

      // Debugging: Print the node
      printNode(node);

      String nodeName = node.getNodeName().trim();
      rootElement = xmlDocument.createElement(nodeName);
      mPreviousElement = rootElement;

      addAllAttributesToRootElement((Element) node, rootElement);

      xmlDocument.appendChild(rootElement);
    }
    else {

        // Debugging: Print the node
        printNode(node);

        // If has "name" property - create element/node
        if(node.getAttributes() != null && node.getAttributes().getNamedItem("name") != null) {
          xmlElement = createElement(xmlDocument, node);

          if(xmlElement !=null && xmlDocument.getFirstChild() != null) {
            xmlDocument.getFirstChild().appendChild(xmlElement);  
          }
        }

    }    

    NodeList nodeList = node.getChildNodes();
    for(int i = 0; i < nodeList.getLength(); i++) {
      Node currentNode = nodeList.item(i);
      if(currentNode.getNodeType() == Node.ELEMENT_NODE) {
        // recursively call this method for all the children which are of type Element
        doSomethingDS(currentNode);
      }
    }
} // End of doSomethingDS() 


public void traverseDS(Node parentNode) {
    // This will create an XML with ONLY the root dataItems - Don't know why.

    Element xmlElement = null;

    //****************************************************************
    // This will be the "root" element/node "dataView":
    if(parentNode.getNodeName() != null && parentNode.getNodeName().equalsIgnoreCase("dataView")) {

      // Debugging: Print the node
      printNode(parentNode);

      String nodeName = parentNode.getNodeName().trim();
      rootElement = xmlDocument.createElement(nodeName);
      mPreviousElement = rootElement;

      if(!isRootNodeSet) {        
        mRootNode = parentNode;
        isRootNodeSet = true;
      }

      addAllAttributesToRootElement((Element) parentNode, rootElement);

      xmlDocument.appendChild(rootElement);

      // traverse children
      Node theNode = parentNode.getFirstChild();
      if(theNode != null) {
        theNode = theNode.getNextSibling();
      }
      else if (isRootNodeSet) {
        theNode = mRootNode.getNextSibling();
      }

      traverseDS(theNode);
    }
    else {

      // traverse all nodes that belong to the parent
      for(Node theNode = parentNode.getFirstChild(); theNode != null; theNode = theNode.getNextSibling()) {

        // Debugging: Print the node
        printNode(theNode);

        // If has "name" property - create element/node
        if(theNode.getAttributes() != null && theNode.getAttributes().getNamedItem("name") != null) {
          // Create new Element/Node
          xmlElement = createElement(xmlDocument, theNode);
          if(xmlElement !=null && xmlDocument.getFirstChild() != null) {
            xmlDocument.getFirstChild().appendChild(xmlElement);  
          }
          else {
            System.out.println(" not a node we wanted?");
          }
        }

        // traverse children     
        traverseDS(theNode);
      }
    }
} // End of traverseDS()
private Element createElement(Document aDoc, Node aNode) {
    Element xmlElement = null;
    String elementName = "";

    NamedNodeMap dataNodeMap = aNode.getAttributes();
    if(dataNodeMap != null && dataNodeMap.getNamedItem("name") != null) {

      elementName = dataNodeMap.getNamedItem("name").getTextContent();
      xmlElement = aDoc.createElement(elementName);

      // if node = "dataItem" - walk node to get <value> node
      // Note: some "dataItem" nodes also have a <previousValue> node - what to do with these????
      if(aNode.getNodeName() != null && aNode.getNodeName().equalsIgnoreCase("dataItem")) {
        // Walk Node to get <value> node
        NodeList childNodes = aNode.getChildNodes();
        int childNodesLength = childNodes.getLength();
        for(int x = 0; x < childNodesLength; x++) {
          Node childNode = childNodes.item(x);
          if(childNode.getNodeName() != null && childNode.getNodeName().equalsIgnoreCase("value")) {
            xmlElement.setTextContent(childNode.getTextContent());
            break;
          }
        }
      }
    }
    return xmlElement;
} // End of createElement()

示例输出 1（由 doSomethingDS() 创建）：

    <?xml version="1.0" encoding="UTF-8" standalone="no"?>
<dataView xmlns="http://component.mycompany.com/entity/ds" xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" name="document/aDocument">
    <item1>1</item1>
    <item2>ABC2DEF3</item2>
    <SomeLevel1/>
    <SomeLevel2/>
    <someItem1>12345</someItem1>
    <someItem2/>
    <someItem3>11:20012:3536</someItem3>
    <someItem4/>
    <someItem5>someItem5 Data</someItem5>
    <someItem6>123456:USD</someItem6>
    <SomeLevel3/>
    <SomeLevel4/>
    <SomeLevel5/>
    <someItem6>303.149</someItem6>
    <someItem7>117:USD</someItem7>
    <someItem8>117.000000:USD</someItem8>
    <someItem9>117:USD</someItem9>
    <SomeLevel6/>
    <SomeLevel7/>
    <someItem10>292.741</someItem10>
    <someItem11>165:USD</someItem11>
    <someItem12>165.000000:USD</someItem12>
    <someItem13>165:USD</someItem13>
    <SomeLevel8/>
    <someItem14>369.075</someItem14>
    <someItem15>598:USD</someItem15>
    <someItem16>598.000000:USD</someItem16>
    <SomeLevel9/>
    <SomeLevel10/>
    <someItem17>Some Data | ABC 123</someItem17>
    <someItem18>2</someItem18>
    <SomeLevel11/>
</dataView>

示例输出 2（由 traverseDS() 创建）：

    <?xml version="1.0" encoding="UTF-8" standalone="no"?>
<dataView xmlns="http://component.mycompany.com/entity/ds" xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" name="document/aDocument">
    <item1>1</item1>
    <item2>ABC2DEF3</item2>
</dataView>

现在是这个问题.... 我得到的是动态的，我可以一次得到一辆 Mac 卡车，下一次得到一辆丰田，或者两者兼而有之。我得到的 XML 的大小可能很小也可能很大。所以很难只使用 XPath 或直接使用特定元素，因为我不知道我会得到什么。这就是为什么我基本上一次遍历 DOM 一个节点以提取出可用的内容。

所以我的问题是：我在解析/写入 XML 文件时做错了什么，没有让它看起来像我试图让它看起来的样子？

【问题讨论】：

您是否考虑过一些 XSLT 转换来完成这项工作？
似乎你总是在 doSomethingDS() 中附加到 dataView 元素，因为你总是在调用 xmlDocument.getFirstChild().appendChild(xmlElement)。我猜您需要跟踪您正在遍历的元素并将新元素附加到该元素。

标签： java xml xml-parsing

【解决方案1】：

使用 XSLT 这（几乎）很容易：

<xsl:stylesheet 
  version="1.0" 
  xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
  xmlns:ds="http://component.mycompany.com/entity/ds" 
  xmlns:xs="http://www.w3.org/2001/XMLSchema" 
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xmlns="http://component.mycompany.com/entity/ds" 
>
  <xsl:output indent="yes" />
  <xsl:strip-space elements="*" />

  <xsl:template match="ds:dataView" priority="1">
    <xsl:copy>
      <xsl:apply-templates />
    </xsl:copy>
  </xsl:template>

  <xsl:template match="ds:*[@name]">
    <xsl:element name="{@name}">
      <xsl:apply-templates />
    </xsl:element>
  </xsl:template>

  <xsl:template match="text()">
    <xsl:value-of select="normalize-space()" />
  </xsl:template>

</xsl:stylesheet>

应用你的输入，给你：

<dataView xmlns="http://component.mycompany.com/entity/ds" xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
  <item1>1</item1>
  <item2>ABC2DEF3</item2>
  <SomeLevel1>
    <SomeLevel2>
      <someItem1>12345</someItem1>
      <someItem2 />
      <someItem3>11:20012:3536</someItem3>
      <someItem4 />
      <someItem5>someItem5 Data</someItem5>
      <someItem6>123456:USD</someItem6>
    </SomeLevel2>
    <SomeLevel3>
      <SomeLevel4>
        <SomeLevel5>
          <someItem6>303.149</someItem6>
          <someItem7>117:USD</someItem7>
          <someItem8>117.000000:USD</someItem8>
          <someItem9>117:USD</someItem9>
          <SomeLevel6 />
        </SomeLevel5>
        <SomeLevel7>
          <someItem10>292.741</someItem10>
          <someItem11>165:USD</someItem11>
          <someItem12>165.000000:USD</someItem12>
          <someItem13>165:USD</someItem13>
        </SomeLevel7>
        <SomeLevel8>
          <someItem14>369.075</someItem14>
          <someItem15>598:USD</someItem15>
          <someItem16>598.000000:USD</someItem16>
          <SomeLevel9>
            <SomeLevel10>
              <someItem17>Some Data | ABC 123</someItem17>
              <someItem18>2</someItem18>
            </SomeLevel10>
          </SomeLevel9>
          <SomeLevel10 />
        </SomeLevel8>
      </SomeLevel4>
    </SomeLevel3>
  </SomeLevel1>
</dataView>

注意事项：

拥有编号的元素名称（someItem1 到 someItem6）最终会回来咬你。 XML 元素有一个自然的顺序（或者你可以有一个“数字”属性），在名称中加上一个计数器是不好的和错误的。听我的建议，不要这样做^(*)。

要了解解决方案，这里有一个快速细分：

XSLT 处理器通过模板运行 XML 节点，方法是找到手头的 XML 节点的最佳匹配。
进程从根节点开始。
由于没有明确匹配根节点 (<xsl:template match="/">) 的模板，因此会启动默认规则：不输出任何内容，但查找子节点的模板。
第一个（也是唯一的）子节点是文档元素 (<ds:dataView>)。
模板 #1 匹配该节点，告诉处理器复制它并处理其子节点 (<xsl:apply-templates />)。
每个具有@name 的元素都与模板#2 匹配，该模板输出具有该名称的元素并再次处理其子元素。
所有其他元素（如那些<value> 节点） - 在没有任何匹配模板的情况下 - 根据提到的默认规则进行处理。
文本节点与模板 #3 匹配，模板输出其修剪后的值。

补充说明：

花括号中的表达式称为属性值模板。
模板priority="1" 确保为<ds:dataView> 元素选择此模板，因为另一个模板也会匹配。
您的结果文档仍在"http://component.mycompany.com/entity/ds" 中。这可能正确也可能不正确。从技术上讲，我怀疑这不正确，但您可以决定。

^(*)<xsl:element name="{translate(@name, '0123456789', '')}" 将是失去计数器的一种变体。

【讨论】：

谢谢 - 我将看看 XSLT 是否适合这项工作。注意：创建“数字元素”只是为了“清除”其中的真实姓名以“隐藏”真正存在的信息（专有）。
只要你想通了... :)
由于某种原因使用 XSLT 我没有得到任何 XML 标记。我得到的输出： 1ABC2DEF31234511:20012:3536someItem5 Data123456:USD303.149117:USD117.000000:USD117:USD292.741165:USD165.000000:USD165:USD369。 075598:USD598.000000:USD一些数据| ABC 1232
很可能是命名空间问题。仔细检查所有命名空间声明、URI 和前缀。
这是一个命名空间问题。 :(

【解决方案2】：

XSLT 正是为这样的任务而创建的。只要您的 Source-XML（非常规 xml）格式正确（正确的 xml 语法），以便可以被 DOM 等标准 xml 解析器读取，您就可以使用它。

它的工作原理是这样的：您创建一个 xsl 模板文件，其中包含一个声明性描述，该文件应如何将源 xml 转换为另一种格式。转换本身由 XSL-Transformer 完成。 xsl 也是一种 xml 格式，所以它应该很容易阅读，只要转换不太复杂。

这里解释了如何实现： http://docs.oracle.com/javase/tutorial/jaxp/xslt/transformingXML.html

【讨论】：