通过正则表达式实现简单xml文件解析

abstract：这是我通过正则表达式实现的xml文件解析工具，有些XHTML文件中包含特殊符号，暂时还无法正常使用。设计思路：常见的xml文件都是单根树结构，工具的目的是通过递归的方式将整个文档树装载进一个Node对象。xml文档树上的每一个节点都能看做一个Node对象，它拥有title、attribute和text三个自身变量以及一个childrenNode集合用来存放子节点，使用正则表达式完整装载。一、编写N

这是我通过正则表达式实现的xml文件解析工具，有些XHTML文件中包含特殊符号，暂时还无法正常使用。

设计思路：常见的xml文件都是单根树结构，工具的目的是通过递归的方式将整个文档树装载进一个Node对象。xml文档树上的每一个节点都能看做一个Node对象，它拥有title、attribute和text三个自身变量以及一个childrenNode集合用来存放子节点，使用正则表达式完整装载。

一、编写Node类

Node对象是文档解析的基础，最终可以通过对象的不同属性实现对文档信息的访问。

import java.io.Serializable; import java.util.HashMap; import java.util.Iterator; import java.util.LinkedList; import java.util.List; import java.util.Map; import java.util.Map.Entry; public class Node implements Serializable { // 可以对Node对象持久化保存 private static final long serialVersionUID = 1L; private int id; // 节点类型 private String title; // 节点内容 private String text; // 节点属性集合 private Map attributes = new HashMap(); // 子节点集合 private List childNodes = new LinkedList(); public int getId() { return id; } public void setId(int id) { this.id = id; } public String getTitle() { return title; } public void setTitle(String title) { this.title = title; } public Map getAttribute() { return attributes; } public void setAttribute(Map attribute) { this.attributes = attribute; } public String getText() { return text; } public void setText(String text) { this.text = text; } public List getChildNode() { return childNodes; } public void setChildNode(List childNode) { this.childNodes = childNode; } // 将属性集合转换成一条完整的字符串 private String attrToString() { if (attributes.isEmpty()) { return ""; } Iterator> its = attributes.entrySet().iterator(); StringBuffer buff = new StringBuffer(); while (its.hasNext()) { Entry entry = its.next(); buff.append(entry.getKey() + "=\"" + entry.getValue() + "\" "); } return " " + buff.toString().trim(); } // 输出完整的节点字符串也用到了递归 @Override public String toString() { String attr = attrToString(); if (childNodes.isEmpty() && text == null) { return "<" + title + attr + "/>\n"; } else if (childNodes.isEmpty() && text != null) { return "<" + title + attr + ">\n" + text + "\n" + "\n"; } else { StringBuffer buff = new StringBuffer(); buff.append("<" + title + attr + ">\n"); if (!text.isEmpty()) { buff.append(text + "\n"); } for (Node n : childNodes) { buff.append(n.toString()); } buff.append("\n"); return buff.toString(); } } } Node.java

二、创建接口

把文档的读取和分析抽象成接口方便今后替换实现。

过滤器：读取文档的字符流并删除注释的部分。这些信息通常是提供给人阅读的，程序分析直接忽略。

/* * 过滤器的作用是删除xml文件中不重要的部分。 * 通常都是一些注释性文字，不需要被机器解析。 */ public interface XmlFilter { String filter(); // 提供自定义正则表达式，识别符合过滤条件的字符串 String filter(String[] regex); } XmlFilter.java

解析器：将一个父节点解析成多条子节点的字符串。如果返回值为null，代表当前节点下不存在可以继续解析的对象。

import java.util.List; /* * 解析器可以对一段完整的父节点字符串提供解析服务。 * 将一条父节点的字符串解析成为多条子节点字符串 */ public interface XmlParser { // 解析一段父节点，返回子节点字符串 List parser(String str); } XmlParser.java

三、根据接口编写实现类

回车、换行、制表符以及各种注释部分的内容都被删除，简化字符输出。

import java.io.BufferedReader; import java.io.File; import java.io.FileNotFoundException; import java.io.FileReader; import java.io.IOException; public class SimpleXmlFilter implements XmlFilter { private String text; // 常用的过滤正则表达式 public final static String[] REG = { "\t", "<\\?.*?\\?>", "", "<%.*?%>", "\\s{2,}" }; // 读取xml文档返回字符串 public SimpleXmlFilter(File file) throws IOException { BufferedReader in = new BufferedReader(new FileReader(file)); StringBuffer buff = new StringBuffer(); String temp = null; while ((temp = in.readLine()) != null) { buff.append(temp); } in.close(); text = buff.toString().trim(); } @Override public String filter() { return filter(REG); } @Override public String filter(String[] regex) { String result = text; for (String reg : regex) { result = result.replaceAll(reg, ""); } return result; } } SimpleXmlFilter.java

主要是通过正则表达式区分一个节点内部的子节点，考虑到节点的类型我将它们分为自闭合与非自闭合两种类型。这样的节点属于非自闭合类型，它们属于文档树的分支节点。

import java.util.ArrayList; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; public class SimpleXmlParser implements XmlParser { @Override public List parser(String text) { List childrenDocs = new ArrayList(); // 捕获根节点中间的文本 Pattern p = Pattern.compile("<.*?>(.*)"); Matcher m = p.matcher(text); if (m.matches()) { String inner = m.group(1); // 匹配节点字符串 p = Pattern.compile("<(.*?)>"); m = p.matcher(inner); while (m.find()) { String s1 = m.group(1); // 如果节点以/结尾，代表此节点不包含子节点 if (s1.endsWith("/")) { childrenDocs.add(m.group()); // 如果节点既不以/开头，也不以/结尾则表示需要查找对应的闭合节点 } else if (!s1.startsWith("/") && !s1.endsWith("/")) { // 计算起始字符数 int start = m.end() - m.group().length(); // 如果捕获到未闭合节点则index++，如果捕获到闭合节点则index-- int index = 1; while (m.find()) { String s2 = m.group(1); if (!s2.startsWith("/") && !s2.endsWith("/")) { index++; } else if (s2.startsWith("/")) { index--; } // 找到符合条件的闭合节点则循环终止 if (index == 0) { break; } } // 计算结束字符数 int end = m.end(); // 截取对应字符串 childrenDocs.add(inner.substring(start, end)); } } } return childrenDocs; } } SimpleXmlParser.java

四、编写NodeBuilder类

根据过滤器和解析器获取Node节点各属性的值。

import java.io.File; import java.io.IOException; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; // 生成Node public class NodeBuilder { private Node root = new Node(); private XmlParser parser; private XmlFilter filter; // 提供合适的过滤器和解析器 public NodeBuilder(XmlParser parser, XmlFilter filter) { this.parser = parser; this.filter = filter; } public Node getRoot(String... regex) { String str = null; if (regex.length == 0) { str = filter.filter(); } else { str = filter.filter(regex); } buildNodeTree(str, root); return root; } // 设置节点类型 private void buildNodeTitle(String str, Node n) { Pattern p = Pattern.compile("<.*?>"); Matcher m = p.matcher(str); if (m.find()) { String temp = m.group(); String s = temp.substring(1, temp.length() - 1).split(" ")[0]; if (s.endsWith("/")) { n.setTitle(s.substring(0, s.length() - 1)); } else { n.setTitle(s.split(" ")[0]); } } } // 设置节点属性集合 private void buildNodeAttribute(String str, Node n) { Pattern p = Pattern.compile("<.*?>"); Matcher m = p.matcher(str); if (m.find()) { String temp = m.group(); String s = temp.substring(1, temp.length() - 1); // 匹配字符串 p = Pattern.compile("(\\S*)=\"(.*?)\""); m = p.matcher(s); while (m.find()) { String key = m.group(1).trim(); String value = m.group(2).trim(); n.getAttribute().put(key, value); } // 匹配数字 p = Pattern.compile("(\\S*)=(-?\\d+(\\.\\d+)?)"); m = p.matcher(s); while (m.find()) { String key = m.group(1).trim(); String value = m.group(2).trim(); n.getAttribute().put(key, value); } } } // 设置节点内容,节点的内容是删除了所有子节点字符串以后剩下的部分 private void buildNodeText(String str, Node n) { Pattern p = Pattern.compile("<.*?>(.*)"); Matcher m = p.matcher(str); List childrenDocs = parser.parser(str); if (m.find()) { String temp = m.group(1); for (String s : childrenDocs) { temp = temp.replaceAll(s, ""); } n.setText(temp.trim()); } } // 通过递归生成完整节点树 private void buildNodeTree(String str, Node n) { buildNodeTitle(str, n); buildNodeAttribute(str, n); buildNodeText(str, n); // 如果存在子节点则继续下面的操作 if (!parser.parser(str).isEmpty()) { // 对每一个子节点都应该继续调用直到递归结束 for (String temp : parser.parser(str)) { Node child = new Node(); buildNodeTitle(temp, child); buildNodeAttribute(temp, child); buildNodeText(temp, child); n.getChildNode().add(child); buildNodeTree(temp, child); } } } } NodeBuilder.java

五、测试

编写xml测试文件

  package message before!    class message inner.   package message middle!        method message inner!    package message after!  测试文件

编写测试类

import java.io.File; import java.io.IOException; public class Demo { public static void main(String[] args) { File f = new File("xxx"); XmlFilter filter = null; try { filter = new SimpleXmlFilter(f); } catch (IOException e) { e.printStackTrace(); } XmlParser parser = new SimpleXmlParser(); NodeBuilder builder = new NodeBuilder(parser, filter); Node node = builder.getRoot(); System.out.println(node); } } Demo.java

输出

 package message before!package message middle!package message after!    class message inner.       method message inner!     System.out.println...