Scala入门到精通——第二十七节 Scala操纵XML

本节主要内容

1. XML 字面量
2. XML内容提取
3. XML对象序列化及反序列化
4. XML文件读取与保存
5. 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>

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)

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)  
}

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>)

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")

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")

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())
}

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)
}

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)
}

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 =

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>)
}

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>)
}

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>)

添加公众微信号，可以了解更多最新Spark、Scala相关技术资讯