Scala处理XML文件（一）

╰+哭是因爲堅強的太久メ 2022-06-07 10:10 134阅读 0赞

Scala中处理XML文件的功能是比较强大的，因此不管怎样至少也得接触一下。XML也是Scala中的“第一类公民”，直接将一个XML格式的字符串赋值给一个val值变量就可以开始处理了。最基本的有scala.xml.Elem类中的 \\ 方法和 \\\\ 方法，它们可用于直接对XML文件进行解析和提取。

假如有如下的XML文件：

我们可以写一个Scala脚本来提取出其中的<units>元素，顺便比较一下 \\ 与 \\\\ 方面的区别。脚本代码如下：

val xmlFile = 
           <symbols> 
               <symbol ticker="AAPL"> 
                   <units>200</units> 
               </symbol> 
                
               <units>300</units> 
                
               <symbol ticker="IBM"> 
                   <units>400</units> 
               </symbol> 
           </symbols> 
        
       println(xmlFile)    // 直接打印xmlFragment的内容 
       println(xmlFile.getClass()) // 打印xmlFragment的类型 
        
       val unitsNodes = xmlFile \ "units"  // 提取出<units>元素 
       println(unitsNodes mkString "\n")   // 打印提取出的结果
       println(unitsNodes getClass)    // 打印symbolNodes的类型

运行结果如下：

<symbols> 
               <symbol ticker="AAPL">  
                       <units>200</units> 
               </symbol>  
         
               <units>300</units>  
         
               <symbol ticker="IBM">  
                       <units>400</units> 
               </symbol>  
       </symbols> 
       class scala.xml.Elem 
       <units>300</units> 
       class scala.xml.NodeSeq$$anon$1

我们调用单反斜杠 \\ 方法很简单地就提取出了xmlFile中的<units>元素，并且打印出来的结果也跟源文件格式一致。但是，我们注意到提取出来的<units>元素仅仅是当前节点<symbols>下的<units>元素，如果我们想要同时提取出xmlFile中嵌套在<symbol>中的<units>元素，此时应该使用双反斜杠 \\\\ 方法来代替上面脚本中的单反斜杠，修改如下：

val unitsNodes = xmlFragment \\ "units"

执行结果如下：

<units>200</units> 
       <units>300</units> 
       <units>400</units> 
       class scala.xml.NodeSeq$$anon$1

如果想要获取<units>300</units>中的数值300，则应该使用到Scala中的模式匹配，利用case语句来实现这一功能。假如我们针对上面使用了双反斜杠提取出来的unitsNodes，因为结果是一个数组，所以应该用unitsNodes(1)来获得对于<units>300</units>的引用，具体代码如下：

unitsNodes(1) match { 
             case <units>{ numOfUnits}</units> =>  
                    println("num of units : " + numOfUnits)  
       }

注意，上面的<units>\{numOfUnits\}</units>中的花括号与>和<之间都不能存在空格。花括号里面是对<units>…</units>之中值的引用。执行结果如下：

num of units : 300

当然，对于这样子简单的<units>…</units>似乎没必要用一个模式匹配来实现，那么我们可以如下操作，调用NodeSeq类中的text()方法，如下：

println(unitNodes(1).text)

执行结果与上面的一致，num of units : 300，只不过是对简单应用的简化方法而已。然而，我们把事情看得比较简单了，要是<units>…</units>内还嵌套有其他<units>…</units>元素对那怎么办？虽然使用上面的 text 方法同样能够提取出被嵌套的<units>…</units>中的300（你可以试一下哦），但是你会发现打印出来是其格式有点儿不对劲，我想原因是在于层层的嵌套使得Scala对其解析之后的结果也以空格来表示了。

既然不能简单处理，那只能用回Scala中强大的模式匹配了。另外，如果我们想要同时提取出类似于<symbol ticker="AAPL">中的ticker属性的值，也同样使用到了模式匹配。具体脚本如下：

xmlFile match { 
           case <symbols>{allSymbol @ _*}</symbols> => 
               for(symbolNode @ <symbol>{ _*}</symbol> <- allSymbol){ 
                   println("%-7s %s".format( 
                       symbolNode \ "@ticker", (symbolNode \ "units").text))    
               } 
       }

在这里，<symbols>\{allSymbol @ \_\*\}</symbols> 中的@符号用于声明定义一个临时变量用来引用<symbols>…</symbols>中的所有内容（即下划线加星号 \_\*，在这个例子中就是所有<symbol>…</symbol>元素对了），包括其他节点元素。

在Scala的模式匹配case语句中，使用特殊符号@可以定义临时变量，例如for表达式，如下。真是强大啊！那么接下来的这一句：

for(symbolNode @ <symbol>{_*}</symbol> <- allSymbol)

中的symbolNode 也容易理解了，而 <- allSymbol 不就是 for 表达式中的迭代赋值吗？最后，println()中使用了正则表达式以及格式化输出format方法。

那么，for表达式中的symbolNode 与 allSymbols 是同样类型的（allSymbols迭代地赋值给symbolNode 嘛），所以每一个 symbolNode 其实也就是每一个<symbol>…</symbol>元素对了，看看文章最前面给出的XML文件，<symbol>内是包含了 ticker 属性的，如下：

<symbol ticker="AAPL">  
               <units>200</units>  
       </symbol>

那么我们使用symbolNode \\ "@ticker" 这种格式将ticker属性的值提取出来。而接下来的(symbolNode \\ "units").text 我们都知道是对当前的<symbol>元素对往下找出<units>元素对，再用text方法取出其值。

执行结果如下：

AAPL    200

IBM     400