关于java：如何使用STAX事件驱动或流API解析未知的XML结构

How to Parse unknown XML structure using STAX Event Driven Or Stream API

我尝试使用dom解析未知的XML结构并获得成功，但现在我尝试使用stax事件或流解析器，因为XML文件很大。虽然我使用sax进行此操作并获得成功。但现在我对stax有点好奇。现在我真的想了解它。

我对此做了一些研究并编写了这个代码

这是Stax流媒体

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

public static void main(String args[]) throws XMLStreamException, FileNotFoundException {
XMLInputFactory xf = XMLInputFactory.newInstance();

XMLStreamReader xsr = xf.createXMLStreamReader(new InputStreamReader(new FileInputStream("c:\\file.xml")));
XMLInputFactoryImpl x = new XMLInputFactoryImpl();
while (xsr.hasNext()) {

int e = xsr.next();

if (e == XMLStreamConstants.START_ELEMENT) {
System.out.println("Element Start Name:" + xsr.getLocalName());
}
if (e == XMLStreamReader.END_ELEMENT) {
System.out.println("Element End Name:" + xsr.getLocalName());
}
if (e == XMLStreamConstants.CHARACTERS) {
System.out.println("Element Text:" + xsr.getText());
}
}
}

和Stax事件驱动

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

在上述两个代码中，父节点还打印空白文本，但不应该因为XML子节点只包含文本，而只应打印子节点文本。例如

1
2
3
4
5
6

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<student id="1">
<fname>TestFirstName</fname>
<lname>TestLastName</lname>
<sectionname rollno="1">A</sectionname>
</student>

它应该打印testFirstName、testLastname等，这意味着如果父节点要打印字符(e==xmlstreamConstants.characters)，或者如果父节点要打印字符(e.isCharacters())，它不应该返回true。因此，我如何修改我的代码来解析XML文件的任何级别，它可能在任何深度或任何层叠级别上。

相关讨论

这是我使用Stax流的解决方案

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

public static void main(String[] args) throws FileNotFoundException, XMLStreamException {
XMLInputFactory xf=XMLInputFactory.newInstance();
XMLStreamReader xsr=xf.createXMLStreamReader(new InputStreamReader(new FileInputStream("c:\\test.xml")));
String startElement = null;
String endElement =null;
String elementTxt = null;
while (xsr.hasNext()) {
int e = xsr.next();
if(e==XMLStreamConstants.START_ELEMENT){
//System.out.println("StartElement Name :" + xsr.getLocalName());
startElement = xsr.getLocalName();
}
if(e==XMLStreamConstants.END_ELEMENT){
//System.out.println("EndElement Name :" + xsr.getLocalName());
endElement = xsr.getLocalName();
if(startElement.equalsIgnoreCase(endElement))
System.out.println(" ElementName :"+ startElement +" ElementText :" + elementTxt);
}
if(e==XMLStreamConstants.CHARACTERS){
//System.out.println("Element TextValue :" + xsr.getText());
elementTxt = (xsr.getText().contains("
")) ?"" : xsr.getText();
}

}
}

这是我使用Stax事件的解决方案

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

public static void main(String[] args) throws XMLStreamException,FileNotFoundException {
// TODO code application logic here
// TODO Auto-generated method stub

XMLInputFactory xif = XMLInputFactory.newInstance();
XMLEventReader xer = xif.createXMLEventReader(new InputStreamReader(new FileInputStream("c:\\test.xml")));
String startElement = null;
String endElement = null;
String elementTxt = null;
while (xer.hasNext()) {

XMLEvent e = xer.nextEvent();
if (e.isCharacters()) {
elementTxt = (e.asCharacters().getData().contains("
")) ?"": e.asCharacters().getData();
}
if (e.isStartElement()) {
// System.out.println("Start Element :"+e.asStartElement().getName());
startElement = e.asStartElement().getName().toString();
}
if (e.isEndElement()) {
// System.out.println("End Element :"+e.asEndElement().getName());
endElement = e.asEndElement().getName().toString();
if (startElement.equalsIgnoreCase(endElement))
System.out.println(" ElementName :" + startElement +" ElementText :" + elementTxt);
}
}
}

事件分析序列是正确的，您有对空字符的调用，因为有漂亮的打印格式(空格或制表符)。如果您的XML是线性(平面)的，那么您将不会有这些额外的事件。

从stax文档中，您可以看到"可忽略的空白和重要的空白也被报告为字符事件。"：您只需要去掉空白。这样可以添加测试!e.asCharacters().isWhiteSpace()：

1
2
3
4

XMLEvent e = xer.nextEvent();
if (e.isCharacters() && !e.asCharacters().isWhiteSpace()) {
System.out.println("Element Text :"+e.asCharacters().getData());
}

这应该过滤掉空白空间，只有你预期的事件。