在 XML 中进行流过滤的最佳 Java 方法？

Question

我想将一个 XML 文件作为输入并输出相同的 XML，除了基于匹配某些节点特征的属性和文本的一些搜索/替换操作。

最好的通用方法是什么，是否有教程？

DOM 已退出，因为我无法保证能够将整个内容保存在内存中。

我不介意使用 SAX 或 StAX，但我希望默认行为是传递无操作过滤器；我曾经用 StAX 做过类似的事情，这很痛苦，不适用于命名空间，而且我不确定我是否包含了我需要处理的所有案例。

我认为 XSLT 不起作用（但不确定），因为它是声明性的，在确定要在输出中发出什么文本/属性时，我需要进行一些程序计算。

（人为的例子：

假设我正在寻找 XPath 为 /group/item/@number 的所有节点，并希望将 number 属性评估为整数，使用方法 public List<Integer> factorize(int i) 将其分解，将因子列表转换为以空格分隔的字符串，并在对应的/group/item节点上添加属性factors？

输入：

<group name="beatles"><item name="paul" number="64"></group>
<group name="rolling stones"><item name="mick" number="19"></group>
<group name="who"><item name="roger" number="515"></group>

预期输出：

<group name="beatles"><item name="paul" number="64" factors="2 2 2 2 2 2"></group>
<group name="rolling stones"><item name="mick" number="19" factors="19"></group>
<group name="who"><item name="roger" number="515" factors="103 5"></group>

)

更新：我让 StAX XMLEventReader/Writer 方法轻松工作，但它没有保留在我的应用程序中很重要的某些格式怪癖。 （我猜保存/加载 XML 的程序不支持有效的 XML 文件。>:( 啊。）有没有办法处理 XML 以最小化输入和输出之间的文本差异？（至少在字符数据方面。 )

Answer 1

XSLT 似乎是适合您所做工作的模型。研究将 XSLT 与过程扩展一起使用。

如果您确实无法将整个文档保存在内存中，Saxon 是您唯一的 XSLT 选择。很可能您需要做的任何计算都可以在 XSLT 中完成——但如果不是，编写您自己的 extension functions 并不难。

Answer 2

我发现Apache Digester 对基于规则的 XML 解析有很大帮助。

更新：如果您关心的是过滤和输出，请查看有关相同问题的 Developerworks 上的这组文章。特别相关的是2、3 和4 部分。总结：使用 SAX、XMLFilter 和 XMLWriter。

虽然我认为这在技术上非常适合 XSLT，但我一直发现很难调试复杂的转换。 YMMV :-)

进一步更新： XMLWriter 可从here 获得。我不知道您对 SAX 的特殊困难是什么。我创建了一个文件groups.xml，其中包含：

<groups>
<group name="beatles"><item name="paul" number="64"/></group>
<group name="rolling stones"><item name="mick" number="19"/></group>
<group name="who"><item name="roger" number="515"/></group>
</groups>

请注意，我必须进行一些更改才能使其成为格式良好的 XML。然后，我敲出了这个简单的Jython 脚本groups.py，来说明如何解决您的问题：

import java.io
import org.xml.sax.helpers
import sys

sys.path.append("xml-writer.jar")
import com.megginson.sax

def get_factors(n):
    return "factors for %s" % n

class MyFilter(org.xml.sax.helpers.XMLFilterImpl):
    def startElement(self, uri, localName, qName, attrs):
        if qName == "item":
            newAttrs = org.xml.sax.helpers.AttributesImpl(attrs)
            n = attrs.length
            for i in range(n):
                name = attrs.getLocalName(i)
                if name == "number":
                    newAttrs.addAttribute("", "factors", "factors",
                                          "CDATA",
                                          get_factors(attrs.getValue(i)))
            attrs = newAttrs
        #call superclass method...
        org.xml.sax.helpers.XMLFilterImpl.startElement(self, uri, localName,
                                                       qName, attrs)

source = org.xml.sax.InputSource(java.io.FileInputStream("groups.xml"))
reader = org.xml.sax.helpers.XMLReaderFactory.createXMLReader()
filter = MyFilter(reader)
writer = com.megginson.sax.XMLWriter(filter,
                                     java.io.FileWriter("output.xml"))
writer.parse(source)

显然，我已经模拟了因子查找功能，因为我相信您的示例纯粹是说明性的。该脚本读取groups.xml，应用过滤器，然后输出到output.xml。让我们运行它：

$ jython groups.py $ 猫输出.xml

<?xml version="1.0" standalone="yes"?>

<groups>
<group name="beatles"><item name="paul" number="64" factors="factors for 64"></item></group>
<group name="rolling stones"><item name="mick" number="19" factors="factors for 19"></item></group>
<group name="who"><item name="roger" number="515" factors="factors for 515"></item></group>
</groups>

工作完成了吗？当然，您需要将此代码转录为 Java。

Answer 3

StAX 应该适合您。管道输入到输出非常容易；您只需将从 XMLEventReader 获得的 XMLEvent 写入 XMLEventWriter。

XMLEventFactory EVT_FACTORY;
XMLEventReader reader;
XMLEventWriter writer;

QName numberQName = new QName("number");
QName factorsQName = new QName("factors");
while(reader.hasNext()) {
  XMLEvent e = reader.nextEvent();
  if(e.isAttribute() && ((Attribute)e).getName().equals(numberQName)) {
     String v = ((Attribute)e).getValue();
     String factors = factorize(Integer.parseInt(v));
     XMLEvent factorsAttr = EVT_FACTORY.createAttribute(factorsQName, factors);
     writer.add(factorsAttr);
  }
  // pass through
  writers.add(e);
}