第二十七节 Scala操纵XML

本节主要内容

XML 字面量
XML内容提取
XML对象序列化及反序列化
XML文件读取与保存
XML模式匹配

1. XML 字面量

XML是一种非常重要的半结构化数据表示方式，目前大量的应用依赖于XML，这些应用或利用XML作为数据交换格式，或利用XML进行文件配置等。像Java、C++及其它流行的程序开发语言都是依赖于第三方库来实现XML的操作，例如JAVA经常通过JDOM，DOM4J等XML处理工具进行XML的操纵，但Scala提供了对XML的原生支持，通过scala.xml._包下的类或对象可以进行任何的XML操作。下面的代码演示了Scala中如何定义XML字面量。

scala> var x: scala.xml.Elem = <site><name>xuetuwuyou</name><url>http://www.xuet
uwuyou.com/</url></site>
x: scala.xml.Elem = <site><name>xuetuwuyou</name><url>http://www.xuetuwuyou.com/
</url></site>

scala> <site><name>xuetuwuyou</name><url>http://www.xuetuwuyou.com/</url></site>

res8: scala.xml.Elem = <site><name>xuetuwuyou</name><url>http://www.xuetuwuyou.c
om/</url></site>

1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

通过上面的代码不能发现，scala会自动地对XML进行解析，并识别为scala.xml.Elem类型。scala中与XML相关的包和类很多，具体如下图所示： 



在深入讲解Scala操纵XML之前，先对几个主要的术语进行介绍： 


 

图中描述了属性、根元素、子元素、元素及文本的概念及它们之间的关联关系，所以的文本、元素被统称为节点（Node）。下面给出的scala XML中的几个重要的类：
Node类。它的一个抽象类，用于对象XML中的所有节点进行抽象： 



Text类，仅包含文本的节点，例如

<url>http://www.xuetuwuyou.com/</url>

 中的http://www.xuetuwuyou.com/就是一种Text对象
NodeSeq类，它同样是一个抽象类，指的是节点的序列，Node继承自NodeSeq，可以看Node可作是NodeSeq只有一个元素的情况。

scala中的XML中可以执行scala表达式，例如

val s="http://www.xuetuwuyou.com/"
val xmlUrl= <a>{" "+s+" "}</a>
//<a> http://www.xuetuwuyou.com/ </a>
println(xmlUrl)

val age=30
val xml1= if(age<29) <age> {age} </age> else NodeSeq.Empty
//<age> 28 </age
println(xml1)

//<age> 79 </age>
val xml2= <age> {29+50} </age>
println(xml2)

1
2
3
4
5
6
7
8
9
10
11
12
13
1
2
3
4
5
6
7
8
9
10
11
12
13

2. XML内容提取

提取XML中的文本：

object ExtractXMLText extends App{
val x= <person><name>摇摆少年梦</name><age>27</age></person>
//摇摆少年梦27
println(x.text)
}

1
2
3
4
5
1
2
3
4
5

这种提取方式将XML中所有的文本内容提取出来并拼接在一起，在实际中我们可能需要精确提取，比如我只想提取name元素中的内容，此时可以采用下列方式：

val x= <person><name>摇摆少年梦</name><age>27</age></person>
//提取name子结点，类型XPATH访问方式
//<name>摇摆少年梦</name>
println(x \ "name")
//提取name中的文本
println((x \ "name").text)

scala> x \ "age"
res2: scala.xml.NodeSeq = NodeSeq(<age>27</age>)

1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9

x \ “age” 这种子元素的提取方式，返回的类型是scala.xml.NodeSeq

\的方式只能提取子元素，不能提取子元素的子元素，例如：

val x= <persons>
<person><name>摇摆少年梦</name><age>27</age></person>
<person><name>张三</name><age>29</age></person>
<person><name>李四</name><age>30</age></person>
</persons>
//返回空NodeSeq
println(x \ "name")
// \\提取二级子元素
//<name>摇摆少年梦</name><name>张三</name><name>李四</name>
println(x \\ "name")

1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
7
8
9
10

通过\和\可以提取任何XML的子元素及其文本内容，但如果XML元素带有属性，那又如何提取呢？

val x= <persons>
<person
name="摇摆少年梦" age="27" />
<person><name>张三</name><age>29</age></person>
<person><name>李四</name><age>30</age></person>
</persons>
//用@方式提取name属性
//摇摆少年梦
println(x \\ "@name")

1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9

3. XML对象序列化及反序列化

下面给出的是对象的XML序列化操作：

class Person(val name:String,val age:Int){
def toXML()={
<person>
<name>{name}</name>
<age>{age}</age>
</person>
}
}
object XMLSerialization extends App{
val p=new Person("摇摆少年梦",27)
println(p.toXML())
}

1
2
3
4
5
6
7
8
9
10
11
12
13
1
2
3
4
5
6
7
8
9
10
11
12
13

反序列化操作：

class Person(val name:String,val age:Int){
//序列化操作
def toXML()={
<person>
<name>{name}</name>
<age>{age}</age>
</person>
}
//反序列化操作
def fromXML(xml:scala.xml.Elem):Person={
new Person((xml \ "name").text,(xml \ "age").text.toInt)
}
override def toString()="name="+name+", age="+age
}
object XMLSerialization extends App{
val p=new Person("摇摆少年梦",27)
val xmlPerson=p.toXML()
val p2=p.fromXML(xmlPerson)
println(p2)
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

4. XML文件读取与保存

前一小节，我们的序列化与反序列化操作都在内存中进行的，在通常的情况下都是将序列化后的XML保存在文件当中，在反序列化时再从文件中读取，实现方式如下：

class Person(val name:String,val age:Int){
def toXML()={
<person>
<name>{name}</name>
<age>{age}</age>
</person>
}

def fromXML(xml:scala.xml.Elem):Person={
new Person((xml \ "name").text,(xml \ "age").text.toInt)
}
override def toString()="name="+name+", age="+age
}
object XMLSerialization extends App{
val p=new Person("摇摆少年梦",27)
val xmlPerson=p.toXML()
//保存到XML文件当中
scala.xml.XML.save("person.xml", xmlPerson, "UTF-8", true, null)
//从文件中加载XML文件
val loadPerson=scala.xml.XML.loadFile("person.xml")
val p2=p.fromXML(loadPerson)
println(p2)
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

下面给出的是save方法的标签

/** Saves a node to a file with given filename using given encoding
*  optionally with xmldecl and doctype declaration.
*
*  @param filename the filename
*  @param node     the xml node we want to write
*  @param enc      encoding to use
*  @param xmlDecl  if true, write xml declaration
*  @param doctype  if not null, write doctype declaration
*/
final def save(
filename: String,
node: Node,
enc: String = encoding,
xmlDecl: Boolean = false,
doctype: dtd.DocType = null
): Unit =

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

5. XML模式匹配

Scala操纵XML另外一个非常强大的地方在于，它能够用于模式匹配，从而非常灵活、方便地对XML进行处理：

import scala.xml._

object PatternMatchingXML extends App{
def xmlMatching(node:Node)={
node match {
//XML模式匹配语法，利用{}进行匹配
case <persons>{sub_element}</persons>=> println(sub_element)
//其它未匹配的情况
case _ => println("no matching")
}

}
//下面这条语句的执行结果：<person><name>摇摆少年梦</name></person>
xmlMatching(<persons><person><name>摇摆少年梦</name></person></persons>)
//下面这条语句的执行结果：
//no matching
xmlMatching(<persons><person><name>摇摆少年梦</name></person><person><name>摇摆少年梦</name></person></persons>)
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

从上述代码可以看到，

<persons>{sub_element}</persons>

 只能匹配标签

<persons></persons>

 中只存在单个子元素的情况，如果具有多个子元素，即子元素构成NodeSeq，则不能匹配，需要进行进一步处理，代码如下：

object PatternMatchingXML extends App{
def xmlMatching(node:Node)={
node match {
//_*的方式表示可以匹配多个子元素的情况，如果匹配
//则将匹配的内容赋值给sub_element
case <persons>{sub_element @ _*}</persons>=> println(sub_element)
case _ => println("no matching")
}

}
//下面这条语句返回的是：ArrayBuffer(<person><name>摇摆少年梦</name></person>)
//数组中的每个元素都是Node类型
xmlMatching(<persons><person><name>摇摆少年梦</name></person></persons>)
//下面这条语句返回的是：ArrayBuffer(<person><name>摇摆少年梦</name></person>, <person><name>摇摆少年梦</name></person>)
//数组中的每个元素都是Node类型
xmlMatching(<persons><person><name>摇摆少年梦</name></person><person><name>摇摆少年梦</name></person></persons>)
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

因为返回的是ArrayBuffer，可以通过for循环遍历对XML子元素中的内容进行提取，如：

def xmlMatching2(node:Node)={
node match {
case <persons>{sub_element @ _*}</persons>=>
for(elm <- sub_element) println("getting "+(elm \ "name").text)
case _ => println("no matching")
}

}
//返回结果getting 摇摆少年梦
xmlMatching2(<persons><person><name>摇摆少年梦</name></person></persons>)
//返回结果：
//getting 摇摆少年梦
//getting 摇摆少年梦
xmlMatching2(<persons><person><name>摇摆少年梦</name></person><person><name>摇摆少年梦</name></person></persons>)