用正则表达式解析XML文档

[url]http://blog.csdn.net/axman/archive/2005/07/11/420910.aspx[/url]
这段时间做中移动的一些接口,看到那些"标准接口"心里不知道是什么感觉.连笑都懒得笑了.

一个连26个字母都认不全的人,说我要做英语同声翻译,说这种话除了需要天大的勇气,其它的只能说是无知了.连一些java的基础语法都不能正确应用,竟然写出给"中国移动"这种绝对企业级应用的接口,中兴公司开发的MM7接口,看了以后每一个有良心的程序员都有想自杀的感觉.

算了,不提它了.

目前在java平台上,要解析xml文档,即使只有"<abc></abc>"这样的一个标签,在生成document对象时,也至少要花费300ms左右,这样一次交互至少要在600ms左右,加上其它处理,一次通讯要1000ms以上,使得soap协议在java平台上根本不能进行实际应用.

其它这并不是SOAP协议的问题,着关键在于对XML文档的解析.基于这个原因,笔者实现了用正则表达式来解析XML文档的一些API,利用它来在替换中移动的大多数SOAP的接口,效率提高了10倍左右.

package org.axman.xml.regex;

import java.util.regex.*;
import java.util.*;

/**
 * <p>Title: Document</p>
 *
 * <p>Description: 用正则表达式解析xml,目的是为了提高性能.</p>
 *
 * <p>Copyright: Copyright (c) 2005</p>
 *
 * <p>Company: org.axman</p>
 *
 * @author :Axman
 * @version 1.0
 */
public class Document {
  private String xmlString;

  /**
   * 传入xml的字符串内容,对于InputStream,Reader对象请转换为String对象后传入构造方法.
   * @param xmlString String
   * @throws IllegalArgumentException
   */
  public Document(String xmlString) throws IllegalArgumentException{
    if(xmlString == null || xmlString.length() == 0)
      throw new IllegalArgumentException("Input string orrer!");
    this.xmlString = xmlString;
  }


  /**
   * 在文档中搜索指定的元素,返回符合条件的元素数组.
   * @param tagName String
   * @return String[]
   */
  public String[] getElementsByTag(String tagName){
    Pattern p = Pattern.compile("<"+tagName+"[^>]*?((>.*?</"+tagName+">)|(/>))");
    Matcher m = p.matcher(this.xmlString);
    ArrayList<String> al = new ArrayList<String>();
    while(m.find())
      al.add(m.group());
    String[] arr = al.toArray(new String[al.size()]);
    al.clear();
    return arr;
  }


  /**
   * 用xpath模式提取元素,以#为分隔符
   * 如 ROOT#PARENT#CHILD表示提取ROOT元素下的PARENT元素下的CHILD元素
   * @param singlePath String
   * @return String
   */
  public String getElementBySinglePath(String singlePath){
    String[] path = singlePath.split("#");
    String lastTag = path[path.length-1];
    String tmp = "(<"+lastTag+"[^>]*?((>.*?</"+lastTag+">)|(/>)))";
                                        //最后一个元素,可能是<x>v</x>形式或<x/>形式
    for(int i=path.length-2;i >=0;i--){
      lastTag = path[i];
      tmp = "<"+lastTag+">.*"+tmp + ".*</"+lastTag+">";
    }
    Pattern p = Pattern.compile(tmp);
    Matcher m = p.matcher(this.xmlString);
    if(m.find()){
      return m.group(1);
    }
    return "";
  }


  /**
   * 用xpath模式提取元素从多重元素中获取指批定元素,以#为分隔符
   * 元素后无索引序号则默认为0: ROOT#PARENT[2]#CHILD[1]
   * @param singlePath String
   * @return String
   */
  public String getElementByMultiPath(String singlePath){
    try{
      String[] path = singlePath.split("#");
      String input = this.xmlString;
      String[] ele = null;
      for (int i = 0; i < path.length; i++) {
        Pattern p = Pattern.compile("(\\w+)(\\[(\\d+)\\])?");
        Matcher m = p.matcher(path[i]);
        if (m.find()) {
          String tagName = m.group(1);
          System.out.println(input + "----" + tagName);
          int index = (m.group(3) == null) ? 0 :
              new Integer(m.group(3)).intValue();
          ele = getElementsByTag(input, tagName);
          input = ele[index];
        }
      }
      return input;
    }catch(Exception e){
      return null;
    }
  }

  /**
   * 在给定的元素中搜索指定的元素,返回符合条件的元素数组.对于不同级别的同名元素限制作用,即可以
   * 搜索元素A中的子元素C.而对于元素B中子元素C则过虑,通过多级限定可以准确定位.
   * @param parentElementString String
   * @param tagName String
   * @return String[]
   */
  public static String[] getElementsByTag(String parentElementString,String tagName){
    Pattern p = Pattern.compile("<"+tagName+"[^>]*?((>.*?</"+tagName+">)|(/>))");
    Matcher m = p.matcher(parentElementString);
    ArrayList<String> al = new ArrayList<String>();
    while(m.find())
      al.add(m.group());
    String[] arr = al.toArray(new String[al.size()]);
    al.clear();
    return arr;
  }

  /**
   * 从指定的父元素中根据xpath模式获取子元素,singlePath以#为分隔符
   * 如 ROOT#PARENT#CHILD表示提取ROOT元素下的PARENT元素下的CHILD元素
   * @param parentElementString String
   * @param singlePath String
   * @return String
   */
  public static String getElementBySinglePath(String parentElementString,String singlePath){
    String[] path = singlePath.split("#");
    String lastTag = path[path.length-1];
    String tmp = "(<"+lastTag+"[^>]*?((>.*?</"+lastTag+">)|(/>)))";
                                        //最后一个元素,可能是<x>v</x>形式或<x/>形式
    for(int i=path.length-2;i >=0;i--){
      lastTag = path[i];
      tmp = "<"+lastTag+">.*"+tmp + ".*</"+lastTag+">";
    }
    Pattern p = Pattern.compile(tmp);
    Matcher m = p.matcher(parentElementString);
    if(m.find()){
      return m.group(1);
    }
    return "";
  }

  /**
   * 用xpath模式提取元素从指定的多重元素中获取指批定元素,以#为分隔符
   * @param parentElementString String
   * @param singlePath String
   * @return String
   */
  public static String getElementByMultiPath(String parentElementString,String singlePath){
    try{
      String[] path = singlePath.split("#");
      String input = parentElementString;
      String[] ele = null;
      for (int i = 0; i < path.length; i++) {
        Pattern p = Pattern.compile("(\\w+)(\\[(\\d+)\\])?");
        Matcher m = p.matcher(path[i]);
        if (m.find()) {
          String tagName = m.group(1);
          int index = (m.group(3) == null) ? 0 :
              new Integer(m.group(3)).intValue();
          ele = getElementsByTag(input, tagName);
          input = ele[index];
        }
      }
      return input;
    }catch(Exception e){
      return null;
    }
  }


  /**
   * 在给定的元素中获取所有属性的集合.该元素应该从getElementsByTag方法中获取
   * @param elementString String
   * @return HashMap
   */
  public HashMap<String,String> getAttributes(String elementString){
    HashMap hm = new HashMap<String,String>();
    Pattern p = Pattern.compile("<[^>]+>");
    Matcher m = p.matcher(elementString);
    String tmp = m.find()?m.group():"";
    p = Pattern.compile("(\\w+)\\s*=\\s*\"([^\"]+)\"");
    m = p.matcher(tmp);
    while(m.find()){
      hm.put(m.group(1).trim(),m.group(2).trim());
    }
    return hm;
  }


  /**
   * 在给定的元素中获取指定属性的值.该元素应该从getElementsByTag方法中获取
   * @param elementString String
   * @param attributeName String
   * @return String
   */
  public static String getAttribute(String elementString,String attributeName){
    HashMap hm = new HashMap<String,String>();
    Pattern p = Pattern.compile("<[^>]+>");
    Matcher m = p.matcher(elementString);
    String tmp = m.find()?m.group():"";
    p = Pattern.compile("(\\w+)\\s*=\\s*\"([^\"]+)\"");
    m = p.matcher(tmp);
    while(m.find()){
      if(m.group(1).trim().equals(attributeName))
        return m.group(2).trim();
    }
    return "";
  }


  /**
   * 获取指定元素的文本内容
   * @param elementString String
   * @return String
   */
  public static String getElementText(String elementString){
    Pattern p = Pattern.compile(">([^<>]*)<");
    Matcher m = p.matcher(elementString);
    if(m.find()){
      return m.group(1);
    }
    return "";
  }


  public static void main(String[] args){
    new Document("<ROOT>sss <PARENT>sss <CHILD>aaaa</CHILD>ss </PARENT>sss </ROOT>").getElementByMultiPath("ROOT[0]#PARENT#CHILD");
    //System.out.println(child);
  }

}

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/axman/archive/2005/07/11/420910.aspx