如何从 JDOM 获取节点内容

Question

我正在使用 import org.jdom.* 编写一个 java 应用程序；

我的 XML 是有效的，但有时它包含 HTML 标记。例如，像这样：

  <program-title>Anatomy &amp; Physiology</program-title>
  <overview>
       <content>
              For more info click <a href="page.html">here</a>
              <p>Learn more about the human body.  Choose from a variety of Physiology (A&amp;P) designed for complementary therapies.&amp;#160; Online studies options are available.</p>
       </content>
  </overview>
  <key-information>
     <category>Health &amp; Human Services</category>

所以我的问题在于overview.content节点内的

标签。

我希望这段代码可以工作：

        Element overview = sds.getChild("overview");
        Element content = overview.getChild("content");

        System.out.println(content.getText());

但它返回空白。

如何从 overview.content 节点返回所有文本（嵌套标签和所有）？

谢谢

Answer 1

content.getText() 提供即时文本，仅对带有文本内容的叶子元素有用。

技巧是使用org.jdom.output.XMLOutputter（带有文本模式CompactFormat）

public static void main(String[] args) throws Exception {
    SAXBuilder builder = new SAXBuilder();
    String xmlFileName = "a.xml";
    Document doc = builder.build(xmlFileName);

    Element root = doc.getRootElement();
    Element overview = root.getChild("overview");
    Element content = overview.getChild("content");

    XMLOutputter outp = new XMLOutputter();

    outp.setFormat(Format.getCompactFormat());
    //outp.setFormat(Format.getRawFormat());
    //outp.setFormat(Format.getPrettyFormat());
    //outp.getFormat().setTextMode(Format.TextMode.PRESERVE);

    StringWriter sw = new StringWriter();
    outp.output(content.getContent(), sw);
    StringBuffer sb = sw.getBuffer();
    System.out.println(sb.toString());
}

输出

For more info click<a href="page.html">here</a><p>Learn more about the human body. Choose from a variety of Physiology (A&amp;P) designed for complementary therapies.&amp;#160; Online studies options are available.</p>

请探索其他 formatting 选项并根据需要修改上述代码。

“封装XMLOutputter格式选项的类。典型用户可以使用getRawFormat()（不改变空白）、getPrettyFormat()（空白美化）、getCompactFormat()（空白归一化）得到的标准格式配置。”

Answer 2

您可以尝试使用method getValue() 来获得最接近的近似值，但这会将元素内的所有文本和后代连接在一起。这不会以任何形式为您提供<p> 标签。如果该标记在您的 XML 中，如您所示，它已成为 XML 标记的一部分。它需要包含为 <p> 或嵌入到 CDATA 部分中才能被视为文本。

或者，如果您知道所有可能出现或不出现在 XML 中的元素，则可以应用 XSLT 转换，将不打算作为标记的内容转换为纯文本。

Answer 3

嗯，也许这就是你需要的：

import java.io.StringReader;

import org.custommonkey.xmlunit.XMLTestCase;
import org.custommonkey.xmlunit.XMLUnit;
import org.jdom.input.SAXBuilder;
import org.jdom.output.XMLOutputter;
import org.testng.annotations.Test;
import org.xml.sax.InputSource;

public class HowToGetNodeContentsJDOM extends XMLTestCase
{
    private static final String XML = "<root>\n" + 
            "  <program-title>Anatomy &amp; Physiology</program-title>\n" + 
            "  <overview>\n" + 
            "       <content>\n" + 
            "              For more info click <a href=\"page.html\">here</a>\n" + 
            "              <p>Learn more about the human body.  Choose from a variety of Physiology (A&amp;P) designed for complementary therapies.&amp;#160; Online studies options are available.</p>\n" + 
            "       </content>\n" + 
            "  </overview>\n" + 
            "  <key-information>\n" + 
            "     <category>Health &amp; Human Services</category>\n" + 
            "  </key-information>\n" + 
            "</root>";
    private static final String EXPECTED = "For more info click <a href=\"page.html\">here</a>\n" + 
            "<p>Learn more about the human body.  Choose from a variety of Physiology (A&amp;P) designed for complementary therapies.&amp;#160; Online studies options are available.</p>";

    @Test
    public void test() throws Exception
    {
        XMLUnit.setIgnoreWhitespace(true);
        Document document = new SAXBuilder().build(new InputSource(new StringReader(XML)));
        List<Content> content = document.getRootElement().getChild("overview").getChild("content").getContent();
        String out = new XMLOutputter().outputString(content);
        assertXMLEqual("<root>" + EXPECTED + "</root>", "<root>" + out + "</root>");
    }
}

输出：

PASSED: test on instance null(HowToGetNodeContentsJDOM)

===============================================
    Default test
    Tests run: 1, Failures: 0, Skips: 0
===============================================

我正在使用带有泛型的 JDom：http://www.junlu.com/list/25/883674.html

编辑：实际上这与 Prashant Bhate 的回答没有太大区别。也许您需要告诉我们您缺少什么...

Answer 4

如果您还生成 XML 文件，您应该能够将您的 html 数据封装在 <![CDATA[]]> 中，这样它就不会被 XML 解析器解析。

Answer 5

问题是<content> 节点没有文本子节点；它有一个恰好包含文本的 <p> 子级。

试试这个：

Element overview = sds.getChild("overview");
Element content = overview.getChild("content");
Element p = content.getChild("p");
System.out.println(p.getText());

如果您想要所有直接子节点，请致电p.getChildren()。如果要获取所有子节点，则必须递归调用它。

Answer 6

不是特别漂亮但工作正常（使用 JDOM API）：

public static String getRawText(Element element) {
    if (element.getContent().size() == 0) {
        return "";
    }

    StringBuffer text = new StringBuffer();
    for (int i = 0; i < element.getContent().size(); i++) {
        final Object obj = element.getContent().get(i);
        if (obj instanceof Text) {
            text.append( ((Text) obj).getText() );
        } else if (obj instanceof Element) {
            Element e = (Element) obj;
            text.append( "<" ).append( e.getName() );
            // dump all attributes
            for (Attribute attribute : (List<Attribute>)e.getAttributes()) {
                text.append(" ").append(attribute.getName()).append("=\"").append(attribute.getValue()).append("\"");
            }
            text.append(">");
            text.append( getRawText( e )).append("</").append(e.getName()).append(">");
        }
    }
    return text.toString();
}

Prashant Bhate 的解决方案更好！

Answer 7

如果你想输出一些JSOM节点的内容就用

System.out.println(new XMLOutputter().outputString(node))