在Java中使用REGEX解析XML

Question

鑑於下面的XML片段，我需要爲DataElements下的每個子項獲取名稱/值對列表。 XPath或XML解析器不能用於我無法控制的原因，所以我正在使用正則表達式。

<?xml version="1.0"?> 
<StandardDataObject xmlns="myns"> 
    <DataElements> 
    <EmpStatus>2.0</EmpStatus> 
    <Expenditure>95465.00</Expenditure> 
    <StaffType>11.A</StaffType> 
    <Industry>13</Industry> 
    </DataElements> 
    <InteractionElements> 
    <TargetCenter>92f4-MPA</TargetCenter> 
    <Trace>7.19879</Trace> 
    </InteractionElements> 
</StandardDataObject> 

我需要的輸出是： [{EmpStatus：2.0}，{支出：95465.00}，{StaffType：11.A}，{行業：13}]

標籤下DataElements名稱是動態的，所以不能在正則表達式中直接表達。標記名稱TargetCenter和Trace是靜態的，可能在正則表達式中，但是如果有一種方法可以避免硬編碼，那將是更可取的。

"<([A-Za-z0-9]+?)>([A-Za-z0-9.]*?)</" 

這是我構造正則表達式，它有，它錯誤地包括{跟蹤：719879}的問題的結果。依賴於XML中的新行或其他任何明顯的格式化不是一種選擇。

下面是我使用的Java代碼的近似值：

private static final Pattern PATTERN_1 = Pattern.compile(..REGEX..); 
private List<DataElement> listDataElements(CharSequence cs) { 
    List<DataElement> list = new ArrayList<DataElement>(); 
    Matcher matcher = PATTERN_1.matcher(cs); 
    while (matcher.find()) { 
     list.add(new DataElement(matcher.group(1), matcher.group(2))); 
    } 
    return list; 
} 

如何將我的正則表達式改爲只包括數據元素，而忽略其他人呢？

Answer 1

這應該在Java中工作，如果您可以假設在DataElements標籤之間，所有東西都具有表單值。即沒有屬性，也沒有嵌套元素。

Pattern regex = Pattern.compile("<DataElements>(.*?)</DataElements>", Pattern.DOTALL); 
Matcher matcher = regex.matcher(subjectString); 
Pattern regex2 = Pattern.compile("<([^<>]+)>([^<>]+)</\\1>"); 
if (matcher.find()) { 
    String DataElements = matcher.group(1); 
    Matcher matcher2 = regex2.matcher(DataElements); 
    while (matcher2.find()) { 
     list.add(new DataElement(matcher2.group(1), matcher2.group(2))); 
    } 
} 

Answer 2

是否有任何理由你沒有使用正確的XML解析器，而不是正則表達式的？這對於合適的圖書館來說是微不足道的。

Answer 3

改爲使用XPath！

Answer 4

你真的應該使用這個XML庫。如果你不得不使用RE，爲什麼不在兩個階段做？ DataElements>.*?</DataElements那麼你現在擁有什麼。

Answer 5

對不起，給你另一個「不要使用正則表達式」的答案，但認真。請使用Commons-Digester,JAXP（與Java 5+捆綁）或JAXB（與Java 6+捆綁），因爲它可以讓您免受一船傷害。

Answer 6

XML不是常規語言。您不能使用正則表達式解析它。當你得到嵌套標籤時，你認爲可以工作的表達式會破壞，然後當你修復它時，會破壞XML註釋，然後是CDATA部分，然後是處理器指令，然後命名空間......它無法工作，使用XML解析器。

Answer 7

你應該聽取每個人的意見。輕量級的解析器是一個壞主意。但是，如果你真的很努力的話，你應該能夠調整你的代碼，以排除DataElements標籤之外的標籤。

private static final Pattern PATTERN_1 = Pattern.compile(..REGEX..); 
private static final String START_TAG = "<DataElements>"; 
private static final String END_TAG = "</DataElements>"; 
private List<DataElement> listDataElements(String input) { 
    String cs = input.substring(input.indexOf(START_TAG) + START_TAG.length(), input.indexOf(END_TAG); 
    List<DataElement> list = new ArrayList<DataElement>(); 
    Matcher matcher = PATTERN_1.matcher(cs); 
    while (matcher.find()) { 
     list.add(new DataElement(matcher.group(1), matcher.group(2))); 
    } 
    return list; 
} 

如果dataelements標記不存在，這會失敗。

再一次，這是一個壞主意，你可能會在未來的某段時間以bug報告的形式重新訪問這段代碼。

Answer 8

嘗試通過屬性文件解析Reg Ex並創建模式對象。我在通過xml bean注入Reg Ex時遇到了同樣的問題。例如： - 我需要解析Reg Ex'（。）（D [0-9] {7} .D [0-9] {9} .D [AZ] {3} [0-9 ] {4}）（。）'在Spring中注入。但它沒有奏效。一旦嘗試使用它在其工作的Java類中硬編碼的相同Reg Ex。模式模式= Pattern.compile（「（。）（D [0-9] {7} .D [0-9] {9} .D [AZ] {2} [0-9] {4 }）（）「）。 Matcher matcher = pattern.matcher（file.getName（）。trim（））;

Next I tried to load that Reg Ex via property file while injecting it. It worked fine. 

    p:remoteDirectory="${rawDailyReport.remote.download.dir}" 
    p:localDirectory="${rawDailyReport.local.valid.dir}" 
    p:redEx="${rawDailyReport.download.regex}" 

而在屬性文件中，屬性定義如下。

rawDailyReport.download.regex =（。）（D [0-9] {7} \。D [0-9] {9} \。D [AZ] {2} [0-9] { 4}）（。）

這是因爲帶有佔位符的值是通過org.springframework.beans.factory.config.PropertyPlaceholderConfigurer加載的，它在內部處理這些xml敏感字符。

感謝， Amith