使用 Java 将字符串操作为 XML

Question

我从 PDF 中提取了如下字符串格式的数据。（请注意不均匀的间距和换行符）。

 Virtual Salary                                 25,100.00   EIS EE Contr.                                       7.90
 Virtual Car Allowance                           1,600.00   EPF Employee Contr.                             2,937.00
 Payment Received(Oversea)                       4,265.01   SOCSO Employee Contr.                              19.75

如何将此字符串转换为如下所示的 XML。

public void testMethod()
    {
        String extractedTestFromPDF=
                 " Virtual Salary                                 25,100.00   EIS EE Contr.                                       7.90\n"+
                 "\t Virtual Car Allowance                           1,600.00   EPF Employee Contr.                             2,937.00\n"+
                 " Payment Received(Oversea)                       4,265.01   SOCSO Employee Contr.                              19.75\n";

    }

需要 XML：

<xml>
<Data>
    <Allowance>Virtual Salary</Allowance>
    <Allowance_Amount>25,100.00</Allowance_Amount>
</Data>
<Data>
    <Allowance>EIS EE Contr.</Allowance>
    <Allowance_Amount>7.90</Allowance_Amount>
</Data>
<Data>
    <Allowance>Virtual Car Allowance</Allowance>
    <Allowance_Amount>1,600.00</Allowance_Amount>
</Data>
...
</xml>

Answer 1

String fixedSizetoXML(String extractedTestFromPDF) {
    String[] lines = extractedTestFromPDF.split("\\R");
    Pattern pattern = Pattern.compile("^\\s*(\\S.{20})\\s\\s+([-\\d,\\.]+)\\s+.*$");
    //                                      (--------)       (-----------)
    return "<?xml verion="1.0">\n<Xml>\n"
        + Stream.of(lines)
              .map(pattern::matcher)
              .filter(m::find)
              .map(m -> String.format("<Data>\n"
                            + "    <Allowance>%s</Allowance>\n"
                            + "    <Allowance_Amount>%s</Allowance_Amount>\n"
                            + "</Data>\n",
                            m.group(1).trim(), m.group(2)))

              .collect(Collectors.joining(""))
        + "<Xml>\n";
}

我冒昧地添加了一个 XML 预处理指令 <?xml ...> 并为清楚起见将 xml 更改为 Xml。

这些是具有固定长度字段的记录。计数位置并不完全安全， 看到一个制表符字符 \t 并考虑特殊字符：é 可能是一个字符，但也可能是 e 加上一个特殊的零宽度 ´，我改用正则表达式模式。金额前至少需要两个空格字符。

---

Java 7

String fixedSizetoXML(String extractedTestFromPDF) {
    String[] lines = extractedTestFromPDF.split("\\R");
    Pattern pattern = Pattern.compile("^\\s*(\\S.{20})\\s\\s+([-\\d,\\.]+)\\s+.*$");
    //                                      (--------)       (-----------)
    StringBuilder sb = new StringBuilder(lines.length * 64);
    sb.append("<?xml verion="1.0">\n<Xml>\n");
    for (String line : lines) {
        Matcher m = pattern.matcher(line);
        if (m.find()) {
            String data = String.format("<Data>\n"
                            + "    <Allowance>%s</Allowance>\n"
                            + "    <Allowance_Amount>%s</Allowance_Amount>\n"
                            + "</Data>\n",
                            m.group(1).trim(), m.group(2));
            sb.append(data);
        }
    }
    sb.append("<Xml>\n");
    return sb.toString();
}