最近一直用kettel对Webservice服务进行数据抽取;不同的公司,不同的开发,总是会各种各样的XML样式给你;解析XML确实比较头疼。
一、字符集问题
XML文件的字符集一般会设置成三种:UTF-8、GBK、ANSI
一般我们看XML的文件头,就知道是哪一种字符集:
对应的在kettel里面也要保持一致,解析才能成功。不然会有报错:
对于ANSI,这个比较。
你在txt文档里编辑好xml,文件头是UTF-8,保存。其实这个时候Windows默认自动保存为ANSI,需要另存为,改下字符集。
二、XML含有特殊字符
很多时候,其他公司给的XML不符合规范,值里面含有 “<” 这样的特殊字符,连浏览器都解析不出来。
<root>
<book>
<title>平凡<的世界1></title>
<price>18元1</price>
<time>2016年1</time>
</book>
<book>
<title>平凡的世界2</title>
<price>18元2</price>
<time>2016年2</time>
</book>
</root>
用火狐解析:
这时候,需要将含有特殊字符的节点,用<![CDATA[ ]]>设置为默认不解析:
<root>
<book>
<title><![CDATA[平凡<的世界1>]]></title>
<price>18元1</price>
<time>2016年1</time>
</book>
<book>
<title>平凡的世界2</title>
<price>18元2</price>
<time>2016年2</time>
</book>
</root>
这里用到kettel的JS空间:
将Webservice返回的XML进行替换处理:
三、kettel自动解析的XML路径不对
<?xml version="1.0" encoding="UTF-8"?>
<HtResponse ServiceName = "SERVICEMEDICALDOCUMENT">
<Success>0</Success>
<DescRiption>
<ProgressNote>
<Document>
<CreateTime>20160514173313</CreateTime>
<Creator>3037</Creator>
<ModifyTime>20160514173313</ModifyTime>
<Modifier>3037</Modifier>
<PnTypeDesc>首次病程记录</PnTypeDesc>
<Content></Content>
</Document>
</ProgressNote>
</DescRiption>
</HtResponse>
上面的XML是我调好的,之前格式很乱,没有换行什么的
kettel解析就是这样:
只能到DescRiption节点。
手工改一下XML路径:
直接获取字段:
这是后XML解析就可以了。可以试着预览一下数据。