在Java中解析XML的問題

Question

解析XML文檔時遇到了一些麻煩。出於某種原因，有文本節點，我不希望他們是，因此我的測試變成紅色。該XML文件是這樣的：

<?xml version="1.0" encoding="UTF-8"?> 
<RootNode> 
    <PR1>PR1</PR1> 
    <ROL>one</ROL> 
    <ROL>two</ROL> 
    <DG1>DG1</DG1> 
    <ROL>three</ROL> 
    <ZBK>ZBK</ZBK> 
    <ROL>four</ROL> 
</RootNode> 

現在我有此代碼段可以重現錯誤：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); 
DocumentBuilder builder = factory.newDocumentBuilder(); 
Document doc = builder.parse(TestHL7Helper.class.getResourceAsStream("TestHL7HelperInput.xml")); 
Node root = doc.getFirstChild(); 
Node pr1 = root.getFirstChild(); 

檢查根可變產量[RootNode: null]這似乎是正確的，但後來不知何故全錯了。 pr1變量原來是一個文本節點[#text:\n ] - 但爲什麼解析器認爲新行和空格是文本節點？這不應該被忽略嗎？我試圖改變編碼，但也沒有幫助。有關於此的任何想法？

如果我刪除所有的新線條和空間，並有我的XML文檔中只有一行這一切工作正常...

Answer 1

您可以通過檢查節點的類型解決這一普遍問題：

if (someNode instanceof Element) { 
    // ... 
} 

這可以容易地形成一個環的一部分，如：

NodeList childNodes = root.getChildNodes(); 
for (int i = 0; i < childNodes.getLength(); i++) { 
    if (childNodes.item(i).getNodeType() == Node.ELEMENT) { 
    Element childElement = (Element) childNodes.item(i); 
    // ... 
    } 
} 

可替代地，使用類似XMLBeans以減少引入的錯誤時的人的可能性ually解析XML。獲得一個經過充分測試的圖書館來爲您完成這項工作！

Answer 2

實際上，其他節點之間的所有文本本身形成一個文本節點。因此，如果您使用getFirstChild()，您還將檢索這些文本節點。

在你的情況下，所有的非文本子節點有一個獨特的名字，所以你可以通過使用getElementsByTagName()單獨讓他們：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); 
DocumentBuilder builder = factory.newDocumentBuilder(); 
Document doc = builder.parse(TestHL7Helper.class.getResourceAsStream("TestHL7HelperInput.xml")); 
Node root = doc.getFirstChild(); 
Node pr1 = (root.getElementsByTagName("PR1"))[0]; 

一般來說，我不會依賴XML文檔中的位置，但在標籤名稱，屬性或ID等東西。

Answer 3

XML支持混合內容，意思是元素可以同時具有文本元素和元素子節點。這是爲了支持使用情況如下所示：

<text>I've bolded the <b>important</b> part.</text> 

的input.xml

這意味着，在默認情況下DOM解析器將把空白節點下面的文檔作爲顯著的（下面是一個簡化XML文檔的版本）：

<RootNode> 
    <PR1>PR1</PR1> 
</RootNode> 

演示代碼

如果您有XML架構，則可以在DocumentBuilderFactory上設置ignoringElementContentWhitespace屬性，因爲那樣DOM解析器將知道空白是否以及何時有意義。

import java.io.File; 
import javax.xml.XMLConstants; 
import javax.xml.parsers.*; 
import javax.xml.validation.*; 

import org.w3c.dom.Document; 

public class Demo { 

    public static void main(String[] args) throws Exception { 
     SchemaFactory sf = SchemaFactory.newInstance(XMLConstants.W3C_XML_SCHEMA_NS_URI); 
     Schema s = sf.newSchema(new File("src/forum16231687/schema.xsd")); 

     DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance(); 
     dbf.setSchema(s); 
     dbf.setIgnoringElementContentWhitespace(true); 

     DocumentBuilder db = dbf.newDocumentBuilder(); 
     Document d = db.parse(new File("src/forum16231687/input.xml")); 
     System.out.println(d.getDocumentElement().getChildNodes().getLength()); 
    } 

} 

模式。xsd

如果您創建schema.xsd，如下所示，那麼演示代碼將報告根元素有1個子節點。

<?xml version="1.0" encoding="UTF-8"?> 
<schema xmlns="http://www.w3.org/2001/XMLSchema"> 
    <element name="RootNode"> 
     <complexType> 
      <sequence> 
       <element name="PR1" type="string"/> 
      </sequence> 
     </complexType> 
    </element> 
</schema> 

如果更改schema.xsd使得RootNode具有混合內容的演示代碼將報告RootNode有3個節點。

<?xml version="1.0" encoding="UTF-8"?> 
<schema xmlns="http://www.w3.org/2001/XMLSchema"> 
    <element name="RootNode"> 
     <complexType mixed="true"> 
      <sequence> 
       <element name="PR1" type="string"/> 
      </sequence> 
     </complexType> 
    </element> 
</schema>