需要用 html 元素解析 XML

Question

我有一个 xml 文件，如下所示：

<?xml version="1.0"?>
<Book>
  <Title>Ulysses</Title>
  <Author>James <b>Joyce</b></Author>
</Book>

我需要使用 Java 将其解析成 pojo 之类的

title="Ulysses"
author="James <b>Joyce</b>"

换句话说，我需要 html 或可能的自定义 xml 标记在解析时保持为纯文本而不是 xml 元素。

我根本无法编辑 XML，但我可以创建一个自定义 xslt 文件来转换 xml。

我有以下 Java 代码使用 xslt 来帮助读取 xml，

TransformerFactory factory = TransformerFactory.newInstance();
    Source stylesheetSource = new StreamSource(new File(stylesheetPathname).getAbsoluteFile());
    Transformer transformer = factory.newTransformer(stylesheetSource);
    Source inputSource = new StreamSource(new File(inputPathname).getAbsoluteFile());
    Result outputResult = new StreamResult(new File(outputPathname).getAbsoluteFile());
    transformer.transform(inputSource, outputResult);

这确实将我的 xslt 应用于写出的文件，但我无法提出正确的 xslt 来执行此操作。我查看了Add CDATA to an xml file，但这对我不起作用。

基本上，我相信我希望文件看起来像

<?xml version="1.0"?>
<Book>
  <Title>Ulysses</Title>
  <Author><![CDATA[James <b>Joyce</b>]]></Author>
</Book>

然后我可以提取 "James <b>Joyce</b>"。我尝试了这里建议的方法：Add CDATA to an xml file 但这对我不起作用。

我使用了以下 xslt：

 <xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="xml" indent="yes" omit-xml-declaration="no"/>

<xsl:template match="Author">
<xsl:copy>
<xsl:text disable-output-escaping="yes">&lt;![CDATA[</xsl:text>
<xsl:copy-of select="*"/>    
<xsl:text disable-output-escaping="yes">]]&gt;</xsl:text>
</xsl:copy>
</xsl:template>

这产生了：

<?xml version="1.0" encoding="UTF-8"?>
  Ulysses
  <Author><![CDATA[
<b>Joyce</b>]]></Author>

你能帮忙吗？我希望完整地写出原始文档，但 CDATA 围绕着 author 元素中的所有内容。 谢谢

Answer 1

使用像 Jsoup 这样的简单 html/xml 解析器不是解决这个问题的更好方法吗？ 使用Jsoup 你可以尝试这样的事情：

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

public class Example {

    public static void main(String[] args) {
        String xml = "<?xml version=\"1.0\"?>\n"
                + "<Book>\n"
                + "  <Title>Ulysses</Title>\n"
                + "  <Author>James <b>Joyce</b></Author>\n"
                + "</Book>";
        Document doc = Jsoup.parse(xml, "", Parser.xmlParser());
        doc.outputSettings().prettyPrint(false);
        Elements books = doc.select("Book");
        for(Element e: books){
            Book b = new Book(e.select("Title").html(),e.select("Author").html());
            System.out.println(b.title);
            System.out.println(b.author);
        }
    }
    public static class Book{
        String title;
        String author;

        public Book(String title, String author) {
            this.title = title;
            this.author = author;
        }        
    }
}

Answer 2

借助 Saxon 9.8 HE 支持的 XSLT 3.0（适用于 Maven 和 Sourceforge），您可以按如下方式使用 XSLT：

<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
    xmlns:xs="http://www.w3.org/2001/XMLSchema"
    xmlns:math="http://www.w3.org/2005/xpath-functions/math"
    exclude-result-prefixes="xs math"
    version="3.0">

    <xsl:output cdata-section-elements="Author"/>

    <xsl:mode on-no-match="shallow-copy"/>

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

</xsl:stylesheet>

至于您的尝试，您基本上需要将用 XSLT 3.0 简洁编写的身份转换模板“实现”为<xsl:mode on-no-match="shallow-copy"/> 作为模板

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

在 XSLT 1.0 中，那些没有被更专业的模板处理的节点（比如 Author 元素的节点）被递归复制。

然后，通过复制选择所有子节点 node() 而不仅仅是元素节点 * 你得到

<xsl:template match="Author">
<xsl:copy>
<xsl:apply-templates select="@*"/>
<xsl:text disable-output-escaping="yes">&lt;![CDATA[</xsl:text>
<xsl:copy-of select="node()"/>    
<xsl:text disable-output-escaping="yes">]]&gt;</xsl:text>
</xsl:copy>
</xsl:template>