Java REGEX XML解析/裁减同时维护结构HowTo

Question

我正在用Java编写一个RESTful Web服务。 这个想法是“裁减”一个XML文档，去掉所有不需要的内容（〜98％），只留下我们感兴趣的标签，同时保持文档的结构，如下所示（我无法提供出于保密原因实际的XML内容）：

<sear:SEGMENTS xmlns="http://www.exlibrisgroup.com/xsd/primo/primo_nm_bib" xmlns:sear="http://www.exlibrisgroup.com/xsd/jaguar/search"> 
    <sear:JAGROOT> 
     <sear:RESULT> 
     <sear:DOCSET IS_LOCAL="true" TOTAL_TIME="176" LASTHIT="9" FIRSTHIT="0" TOTALHITS="262" HIT_TIME="11"> 
      <sear:DOC SEARCH_ENGINE_TYPE="Local Search Engine" SEARCH_ENGINE="Local Search Engine" NO="1" RANK="0.086826384" ID="2347460"> 
       [ 
       <PrimoNMBib> 
        <record> 
        <display> 
         <title></title> 
        </display> 
        <sort> 
         <author></author> 
        </sort> 
        </record> 
       </PrimoNMBib> 
       ] 
      </sear:DOC> 
     </sear:DOCSET> 
     </sear:RESULT> 
    </sear:JAGROOT> 
</sear:SEGMENTS> 

当然，这仅仅是我们感兴趣的标签的结构 - 有数百个标签，但它们是不相关的。

方括号（[]）不是XML的一部分，并且表示元素<PrimoNMBib></PrimoNMBib>是子项列表的元素，并且不止一次出现 - 每次从RESTFUL服务搜索匹配时都会出现一个元素。

我一直在尝试使用正则表达式解析文档，以便仅保留上面显示的结构的片段以及<title>和<author>的值，同时删除标签之间的所有其他标签，包括其他标签，但我不能得到它为我的生活工作...

以前我试过它使用XSLT，但对于未解决的原因，也没有工作...或我已经问过一个问题XSLT执行...

无论如何，我将非常感谢提示/提示/解决方案，如何使用正则表达式和Java来解决这个问题...

Answer 1

我不会推荐使用正则表达式来操纵XML。

另类视角

你可以使用的StAX解析器利用了StreamFilter削减文件，仍然保持一个有效的结构。

如何一个StreamFilter作品

一个StreamFilter接收来自XMLStreamReader事件情况下，如果你想拥有的事件报道你返回true，否则为false。在下面的示例中，StreamFilter将拒绝"http://www.exlibrisgroup.com/xsd/jaguar/search"名称空间中的任何内容。您需要调整逻辑以使其符合您的用例要求。

• http://docs.oracle.com/javase/6/docs/api/javax/xml/stream/StreamFilter.html

演示

package forum10351473; 

import java.io.FileReader; 
import javax.xml.stream.*; 

public class Demo { 

    public static void main(String[] args) throws Exception { 
     XMLInputFactory xif = XMLInputFactory.newFactory(); 
     XMLStreamReader xsr = xif.createXMLStreamReader(new FileReader("src/forum10351473/input.xml")); 
     xsr = xif.createFilteredReader(xsr, new StreamFilter() { 

      private boolean reportContent = false; 

      @Override 
      public boolean accept(XMLStreamReader reader) { 
       if(reader.isStartElement() || reader.isEndElement()) { 
        reportContent = !"http://www.exlibrisgroup.com/xsd/jaguar/search".equals(reader.getNamespaceURI()); 
       } 
       return reportContent; 
      } 

     }); 

     // The XMLStreamReader (xsr) will now only report the events you care about. 
     // You can process the XMLStreamReader yourself or pass as input to something 
     // like JAXB. 
     while(xsr.hasNext()) { 
      if(xsr.isStartElement()) { 
       System.out.println(xsr.getLocalName()); 
      } 
      xsr.next(); 
     } 
    } 

} 

输出

PrimoNMBib 
record 
display 
title 
sort 
author