解析XML文件（Java）中特定标记的内容

我有一个如下所示的XML文件，我需要使用Java生成一个.txt文件，其中包含标签中的纯文本，每一个文件一行

我读到我可以使用SAX来访问不同的标签，但是在这种情况下，在下面的示例中，在标签内部可能有随机标记，这是无效的

最好的方法是什么？也许是正则表达式

<?xml version="1.0" encoding="utf-8"?>
[...]
<source>
  <g id="_0">
    <g id="_1">First valid sentence</g>
  </g>
</source>
<source>Another valid string</source>

---

您可以使用

joox

库解析

xml

数据。使用其

find（）

方法，您可以获取所有

元素，然后使用

getTextContent（）

提取其文本，如：

import java.io.File;
import java.io.IOException;
import org.xml.sax.SAXException;
import static org.joox.JOOX.$;

public class Main {

    public static void main(String[] args) throws SAXException, IOException {
        $(new File(args[0]))
            .find("source")
            .forEach(elem -> System.out.println(elem.getTextContent().trim()));

    }
}

我将假设一个格式良好的

xml

文件，如：

<?xml version="1.0" encoding="utf-8"?>
<root>
    <source>
        <g id="_0">
            <g id="_1">First valid sentence</g>
        </g>
    </source>
    <source>Another valid string</source>
</root>

---

编辑。对不起，我没有读随机标签部分。我会把整个文档看作一个字符串，并尝试先提取“随机”标签标识符。在SAX中，你只需等待你的开始标签，打开一个标志，然后收集你看到的所有字符，直到你看到结束标签。只需忽略内部标记的开始和结束事件。@JPMoresmau因此，在您的解决方案中，我仍然需要使用regex来丢弃标记（上面的示例），如果存在的话。对吗？将整个XML视为字符串并应用ReXEX会不会更容易，因为慢鳟鱼建议？好吧，不，SAX事件会告诉你“我启动源标签”，这就是你开始收集文本的提示。然后，您将得到一个SAX事件，它告诉您“我正在启动一个g标记”，这不会改变任何事情。然后，当您得到一些您收集的文本时，直到您看到事件“close tag source”，您停止收集文本。

<?xml version="1.0" encoding="utf-8"?>
<root>
    <source>
        <g id="_0">
            <g id="_1">First valid sentence</g>
        </g>
    </source>
    <source>Another valid string</source>
</root>

First valid sentence
Another valid string