今天遇到一个需求:从xml中提取所有的文本(或者说是 xml去标签)。 写了一会儿,觉得可能别个兄弟也会遇到,就拿出来,看这样妥不妥~
(用dom4j进行解析的)
/**
* 提取分散在xml串中的文本
* @param xml 如:"<a>这<span>是<span>我</span><span>的</span>标题</span>!</a>!!" => 这是我的标题!!!
* @return
*/
private String getTextFromXml(String xml) {
Document doc;
try {
//保证有一个根节点 所以加了一个warp节点
doc = DocumentHelper.parseText("<warp>"+xml+"</warp>");
Element root = doc.getRootElement();
clearElement(root);
return root.getTextTrim();
} catch (DocumentException e) {
e.printStackTrace();
}
return null;
}
/**
* 把 所有子节点 删除掉,但保留节点下面的所有内容
* @param ele
* @return
*/
private Text clearElement(Element ele) {
List elepar = ele.content();
Object tempObj;
for (int i = 0; i < elepar.size(); i++) {
tempObj = elepar.get(i);
if (tempObj instanceof Element) {
elepar.set(i, clearElement((Element) tempObj));
}
}
return elepar.size() > 0 ? DocumentHelper.createText(ele.getTextTrim()) : DocumentHelper.createText("") ;
}