XML中进行流过滤的最佳Java方法？

Question

我希望将XML文件作为输入并输出相同的XML，但基于匹配某些节点特征的属性和文本的某些搜索/替换操作除外。

最好的一般方法是什么，那里有教程吗？

DOM已淘汰，因为我无法保证能够将整个内容保存在内存中。

我不介意使用SAX或StAX，除了我希望默认行为是通过无操作滤镜。 我曾经用StAX做过类似的事情，这很痛苦，不适用于名称空间，而且我不确定是否已经包括了我需要处理的所有情况。

我认为XSLT不起作用（但不确定），因为它是声明性的，在确定要在输出中发出什么文本/属性时，我需要进行一些过程计算。

（人为的示例：

假设我正在寻找所有XPath为/group/item/@number节点，并希望将number属性评估为整数，请使用public List<Integer> factorize(int i)方法对其进行public List<Integer> factorize(int i) ，将因子列表转换为一个以空格分隔的字符串，并将属性factors添加到相应的/group/item节点？

输入：

<group name="beatles"><item name="paul" number="64"></group>
<group name="rolling stones"><item name="mick" number="19"></group>
<group name="who"><item name="roger" number="515"></group>

预期输出：

<group name="beatles"><item name="paul" number="64" factors="2 2 2 2 2 2"></group>
<group name="rolling stones"><item name="mick" number="19" factors="19"></group>
<group name="who"><item name="roger" number="515" factors="103 5"></group>

）

更新：我使StAX XMLEventReader / Writer方法可以轻松工作，但是并没有保留某些对我的应用程序很重要的格式设置怪癖。 （我猜想，保存/加载XML的程序不能使用有效的XML文件。> :( argh。）是否有一种处理XML的方法，可以最大限度地减少输入和输出之间的文本差异？（至少在字符数据方面）。 ）

Answer 1

XSLT似乎适合您的工作。 考虑将XSLT与过程扩展一起使用。

如果您真的无法将整个文档保存在内存中，那么Saxon是您唯一的XSLT选择。 您可能需要执行的任何计算都可以在XSLT中完成，但是如果没有，编写您自己的扩展功能并不是太困难。

Answer 2

我发现Apache Digester对于基于规则的XML解析有很大帮助。

更新：如果您正在关注过滤和输出，请在Developerworks上查看与同一问题有关的这组文章。 特别相关的是第 2、3和4部分 。 摘要：使用SAX，XMLFilter和XMLWriter。

尽管我认为从技术上讲，这很适合XSLT，但我总是发现很难调试复杂的转换。 YMMV :-)

进一步更新： XMLWriter从此处可用。 我不知道您使用SAX的特别困难是什么。 我创建了一个包含以下内容的文件groups.xml ：

<groups>
<group name="beatles"><item name="paul" number="64"/></group>
<group name="rolling stones"><item name="mick" number="19"/></group>
<group name="who"><item name="roger" number="515"/></group>
</groups>

请注意，我必须进行一些更改以使其格式正确的XML。 然后，我打开了这个简单的Jython脚本groups.py ，以说明如何解决您的问题：

import java.io
import org.xml.sax.helpers
import sys

sys.path.append("xml-writer.jar")
import com.megginson.sax

def get_factors(n):
    return "factors for %s" % n

class MyFilter(org.xml.sax.helpers.XMLFilterImpl):
    def startElement(self, uri, localName, qName, attrs):
        if qName == "item":
            newAttrs = org.xml.sax.helpers.AttributesImpl(attrs)
            n = attrs.length
            for i in range(n):
                name = attrs.getLocalName(i)
                if name == "number":
                    newAttrs.addAttribute("", "factors", "factors",
                                          "CDATA",
                                          get_factors(attrs.getValue(i)))
            attrs = newAttrs
        #call superclass method...
        org.xml.sax.helpers.XMLFilterImpl.startElement(self, uri, localName,
                                                       qName, attrs)

source = org.xml.sax.InputSource(java.io.FileInputStream("groups.xml"))
reader = org.xml.sax.helpers.XMLReaderFactory.createXMLReader()
filter = MyFilter(reader)
writer = com.megginson.sax.XMLWriter(filter,
                                     java.io.FileWriter("output.xml"))
writer.parse(source)

显然，我已经模拟了因子查找功能，因为我相信您的示例纯粹是说明性的。 该脚本读取groups.xml ，应用过滤器，然后输出到output.xml 。 让我们运行它：

$ jython groups.py
$ cat output.xml

<?xml version="1.0" standalone="yes"?>

<groups>
<group name="beatles"><item name="paul" number="64" factors="factors for 64"></item></group>
<group name="rolling stones"><item name="mick" number="19" factors="factors for 19"></item></group>
<group name="who"><item name="roger" number="515" factors="factors for 515"></item></group>
</groups>

任务完成？ 当然，您需要将此代码转录为Java。

Answer 3

StAX应该适合您。 输入到输出的管道超级简单； 您只需编写从XMLEventReader获得的XMLEvent到XMLEventWriter。

XMLEventFactory EVT_FACTORY;
XMLEventReader reader;
XMLEventWriter writer;

QName numberQName = new QName("number");
QName factorsQName = new QName("factors");
while(reader.hasNext()) {
  XMLEvent e = reader.nextEvent();
  if(e.isAttribute() && ((Attribute)e).getName().equals(numberQName)) {
     String v = ((Attribute)e).getValue();
     String factors = factorize(Integer.parseInt(v));
     XMLEvent factorsAttr = EVT_FACTORY.createAttribute(factorsQName, factors);
     writer.add(factorsAttr);
  }
  // pass through
  writers.add(e);
}