在Java中解析XML的问题

Question

解析XML文档时遇到了一些麻烦。出于某种原因，有文本节点，我不希望他们是，因此我的测试变成红色。该XML文件是这样的：

<?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> 

现在我有此代码段可以重现错误：

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(); 

检查根可变产量[RootNode: null]这似乎是正确的，但后来不知何故全错了。 pr1变量原来是一个文本节点[#text:\n ] - 但为什么解析器认为新行和空格是文本节点？这不应该被忽略吗？我试图改变编码，但也没有帮助。有关于此的任何想法？

如果我删除所有的新线条和空间，并有我的XML文档中只有一行这一切工作正常...

Answer 1

您可以通过检查节点的类型解决这一普遍问题：

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

这可以容易地形成一个环的一部分，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，使用类似XMLBeans以减少引入的错误时的人的可能性ually解析XML。获得一个经过充分测试的图书馆来为您完成这项工作！

Answer 2

实际上，其他节点之间的所有文本本身形成一个文本节点。因此，如果您使用getFirstChild()，您还将检索这些文本节点。

在你的情况下，所有的非文本子节点有一个独特的名字，所以你可以通过使用getElementsByTagName()单独让他们：

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]; 

一般来说，我不会依赖XML文档中的位置，但在标签名称，属性或ID等东西。

Answer 3

XML支持混合内容，意思是元素可以同时具有文本元素和元素子节点。这是为了支持使用情况如下所示：

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

的input.xml

这意味着，在默认情况下DOM解析器将把空白节点下面的文档作为显著的（下面是一个简化XML文档的版本）：

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

演示代码

如果您有XML架构，则可以在DocumentBuilderFactory上设置ignoringElementContentWhitespace属性，因为那样DOM解析器将知道空白是否以及何时有意义。

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

如果您创建schema.xsd，如下所示，那么演示代码将报告根元素有1个子节点。

<?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具有混合内容的演示代码将报告RootNode有3个节点。

<?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>