java DOM解析xml文件出现#text节点解决方案

java DOM解析xml文件出现#text节点解决方案

原生java解析xml的方法提供了两个，DocumentBuilder 和 SAXParser.

试了第一个DOM方法，在解析输出节点过程中，getNodeName()输出节点名发现多出了几个#text节点。

text.xml

    
         
  123456           
  20200115235900        
         
          
         
    1          
    2        
    3        
    4        
    5        
    6             
      
    
        
   222223            
   2020-01-14 23:59:00        
     
       11        
      
  
 

DOM.java

import java.util.*;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;
import org.w3c.dom.Document;
import org.w3c.dom.NamedNodeMap;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
import org.w3c.dom.Element;

public class DOM {
    //document解析器工厂
    private static DocumentBuilderFactory docBuiFactory = null;
    //document解析器可以通过documentBuiderFactory的newDocumentBuilder()函数获取
    private static DocumentBuilder docBuilder = null;
    //document对象可以通过documentBuilder的newDocumentBuilder()函数获取
    private static Document doc = null;
    //自定义对象book的集合用来存储xml获取的book对象
    private static List books = null;

    //静态代码块用来初始化静态属性，只会在类的第一次加载执行一次
    static {
        try {
            //初始化documentBuilderFactory
            docBuiFactory = DocumentBuilderFactory.newInstance();    //newInstance通过反射机制创建DocumentBuilderFactory的实现类
            //初始化documentBuilder
            docBuilder = docBuiFactory.newDocumentBuilder();    //通过DocumentBuilderFactoryImpl的newDocumentBuilder()函数返回DocumentBuilder对象
        } catch (ParserConfigurationException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }
    
    public static String filterBlankXMl(String xml) {
        //校验规则1位有一个空格就开始过滤，如果改为3则三个连续空格才过滤
        Pattern p = Pattern.compile("\\s{1,}|\t|\r|\n");
        Matcher m = p.matcher(xml);
        xml = m.replaceAll("");
        System.out.println("接受到的XML:\n" + xml);
        return xml;
    }
    

    public static List getXml(String fileURL) throws Exception {
        //将给定的url的内容解析为一个xml文档，并返回document对象
        doc = docBuilder.parse(fileURL);
        //按顺序获取xml内所有book元素节点
        NodeList IssueList = doc.getElementsByTagName("ldata");
        books = new ArrayList();
        //遍历books
        NodeList ldataList = doc.getElementsByTagName("ldata");//获取所有的ldata节点
        //遍历所有的ldata节点
        //for(int i = 0;i list = DOM.getXml(fileURL);
         
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }

    }
}
 

发现

System.out.println(numberList.item(j).getNodeName());

输出的结果:

#text
issue
#text
date
#text
number
#text

这个#text一度让我很迷茫，从检查xml是否写错到检查读取xmk的方法是否有问题，最后还是善用了搜索引擎。

原因主要是使用org.w3c.dom.Node的进行解析的，它会将你的回车也作为一个节点。在你的代码中你打印.getLenth();得到的数值肯定比你写的节点要多。

明白了这个原因就简单多了，脑中出现了两种方法。

1.想办法把xml的回车空行去掉再解析.

既不用改动文件，也不会使getlength()的长度发生变化
正则匹配xml空格换行然后替换:

public static String filterBlankXMl(String xml) {
        //校验规则1位有一个空格就开始过滤，如果改为3则三个连续空格才过滤
        Pattern p = Pattern.compile("\\s{1,}|\t|\r|\n");
        Matcher m = p.matcher(xml);
        xml = m.replaceAll("");
        System.out.println("接受到的XML:\n" + xml);
        return xml;
    }
    public static String readFileByLines(String fileName) {
        File file = new File(fileName);
        BufferedReader reader = null;
        String content = "";
        try {
            //  System.out.println("以行为单位读取文件内容，一次读一整行：");
            reader = new BufferedReader(new FileReader(file));
            String tempString = null;
            int line = 1;
            // 一次读入一行，直到读入null为文件结束
            while ((tempString = reader.readLine()) != null) {
                // 显示行号
                // System.out.println("line " + line + ": " + tempString);
                content = content + tempString;
                line++;
            }
            reader.close();

        } catch (IOException e) {
            e.printStackTrace();
        } finally {
            if (reader != null) {
                try {
                    reader.close();
                } catch (IOException e1) {
                }
            }
        }
        return content;
    }
String file = filterBlankXMl(readFileByLines(filepath));
        //将格式化后的xml String 转换成 InputStream 用parse解析
         doc = docBuilder.parse(new ByteArrayInputStream(file.getBytes()));

2.输出节点时判断NodeName为#text则不进行处理否输出.

虽然输出正确，到getlength的长度还是变了

for ...{
if(!"#text".equals(numberList.item(j).getNodeName())){
     //处理过滤的节点
                System.out.println(numberList.item(j).getNodeName());
                }
             }

当然还可以使用dom4j等其他第三方jar