如何在没有 GPath/节点名称的情况下提取 CDATA

Question

我试图在不使用 GPath（或）节点名称的情况下从 XML 中提取 CDATA 内容。简而言之，我想从 XML 中查找并检索包含 CDATA 部分的 innerText。

我的 XML 看起来像：

def xml = '''<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<root>
    <Test1>This node contains some innerText. Ignore This.</Test1>
    <Test2><![CDATA[this is the CDATA section i want to retrieve]]></Test2>
</root>'''

从上面的 XML 中，我想单独获取 CDATA 内容，而不使用其节点名称“Test2”的引用。因为在我的场景中节点名称并不总是相同的。

另请注意，XML 可以在其他几个节点（Test1）中包含 innerText。我不想找回那个。我只需要整个 XML 中的 CDATA 内容。

我想要类似下面的东西（虽然下面的代码不正确）

def parsedXML = new xmlSlurper().parseText(xml)
def cdataContent = parsedXML.depthFirst().findAll { it.text().startsWith('<![CDATA')}  

我的输出应该是：

this is the CDATA section i want to retrieve

Answer 1

正如@daggett 所说，您不能使用 Groovy slurper 或解析器来执行此操作，但下拉并使用 java 类来获取它也不错。

请注意，您必须将 CDATA 的属性设置为可见，因为默认情况下它只是被视为字符。

代码如下：

import javax.xml.stream.*

def xml = '''<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<root>
    <Test1>This node contains some innerText. Ignore This.</Test1>
    <Test2><![CDATA[this is the CDATA section i want to retrieve]]></Test2>
</root>'''

def factory = XMLInputFactory.newInstance()
factory.setProperty('http://java.sun.com/xml/stream/properties/report-cdata-event', true)

def reader = factory.createXMLStreamReader(new StringReader(xml))
while (reader.hasNext()) {
    if (reader.eventType in [XMLStreamConstants.CDATA]) {
        println reader.text
    }
    reader.next()
}

这将打印this is the CDATA section i want to retrieve

Answer 2

考虑到您的 xml 中只有一个 CDATA split 可以在这里提供帮助

def xml = '''<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<root>
<Test1>This node contains some innerText. Ignore This.</Test1>
<Test2><![CDATA[this is the CDATA section i want to retrieve]]></Test2>
 </root>'''

 log.info xml.split("<!\\[CDATA\\[")[1].split("]]")[0]

所以在上面的逻辑中，我们在 CDATA 开始时拆分字符串并选择剩下的部分

xml.split("<!\\[CDATA\\[")[1]

一旦我们得到那部分，我们再次进行拆分，然后通过使用得到该模式之前的部分

.split("]]")[0] 

这是有效的证明