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是一种很重要的半结构化数据表示方式，眼下大量的应用依赖于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++及其他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，比如JAVA常常通过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._包下的类或对象能够进行不论什么的XML操作。以下的代码演示了Scala中怎样定义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会自己主动地对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。详细例如以下图所看到的：

在深入解说Scala操纵XML之前，先对几个基本的术语进行介绍：



图中描写叙述了属性、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）。以下给出的scala XML中的几个重要的类：

• Node类。它的一个抽象类。用于对象XML中的全部节点进行抽象：
  
  
• Text类，仅包括文本的节点，比如<url>http://www.xuetuwuyou.com/</url> 中的http://www.xuetuwuyou.com/就是一种Text对象
• NodeSeq类，它相同是一个抽象类，指的是节点的序列，Node继承自NodeSeq，能够看Node可作是NodeSeq仅仅有一个元素的情况。

scala中的XML中能够运行scala表达式，比如

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)
}

这样的提取方式将XML中全部的文本内容提取出来并拼接在一起，在实际中我们可能须要精确提取，比方我仅仅想提取name元素中的内容，此时能够採用下列方式：

val x= <person><name>摇摆少年梦</name><age>27</age></person>
//提取name子结点，类型XPATH訪问方式
//<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” 这样的子元素的提取方式，返回的类型是scala.xml.NodeSeq

\的方式仅仅能提取子元素，不能提取子元素的子元素，比如：

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\能够提取不论什么XML的子元素及其文本内容，但假设XML元素带有属性。那又怎样提取呢？

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

以下给出的是对象的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保存在文件其中，在反序列化时再从文件里读取，实现方式例如以下：

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文件其中
scala.xml.XML.save("person.xml", xmlPerson, "UTF-8", true, null)
//从文件里载入XML文件
val loadPerson=scala.xml.XML.loadFile("person.xml")
val p2=p.fromXML(loadPerson)
println(p2)
}

以下给出的是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另外一个很强大的地方在于，它能够用于模式匹配，从而很灵活、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)
//其他未匹配的情况
case _ => println("no matching")
} }
//以下这条语句的运行结果：<person><name>摇摆少年梦</name></person>
xmlMatching(<persons><person><name>摇摆少年梦</name></person></persons>)
//以下这条语句的运行结果：
//no matching
xmlMatching(<persons><person><name>摇摆少年梦</name></person><person><name>摇摆少年梦</name></person></persons>)
}

从上述代码能够看到，<persons>{sub_element}</persons> 仅仅能匹配标签<persons></persons> 中仅仅存在单个子元素的情况，假设具有多个子元素。即子元素构成NodeSeq，则不能匹配。须要进行进一步处理，代码例如以下：

object PatternMatchingXML extends App{
def xmlMatching(node:Node)={
node match {
//_*的方式表示能够匹配多个子元素的情况，假设匹配
//则将匹配的内容赋值给sub_element
case <persons>{sub_element @ _*}</persons>=> println(sub_element)
case _ => println("no matching")
} }
//以下这条语句返回的是：ArrayBuffer(<person><name>摇摆少年梦</name></person>)
//数组中的每一个元素都是Node类型
xmlMatching(<persons><person><name>摇摆少年梦</name></person></persons>)
//以下这条语句返回的是：ArrayBuffer(<person><name>摇摆少年梦</name></person>, <person><name>摇摆少年梦</name></person>)
//数组中的每一个元素都是Node类型
xmlMatching(<persons><person><name>摇摆少年梦</name></person><person><name>摇摆少年梦</name></person></persons>)
}

由于返回的是ArrayBuffer，能够通过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>)

加入公众微信号。能够了解很多其他最新Spark、Scala相关技术资讯