Java 将非结构化xml转换为结构化xml
我有一个非结构化的XML,它必须转换成结构化的。 我是从ApacheTika解析并由Parscit转换为xml的科学pdf文件中得到的。xml如下所示: 输入:Java 将非结构化xml转换为结构化xml,java,xml,xslt,xslt-2.0,Java,Xml,Xslt,Xslt 2.0,我有一个非结构化的XML,它必须转换成结构化的。 我是从ApacheTika解析并由Parscit转换为xml的科学pdf文件中得到的。xml如下所示: 输入: <algorithm> <sectionHeader> Section1 </sectionHeader> <BodyText>Text goes here</BodyText> <sectionHeader> Section2 </s
<algorithm>
<sectionHeader> Section1 </sectionHeader>
<BodyText>Text goes here</BodyText>
<sectionHeader> Section2 </sectionHeader>
<BodyText>Text goes here</BodyText>
<subsectionHeader>Subsection</subsectionHeader>
<BodyText>Text goes here</BodyText>
<sectionHeader> Section1 </sectionHeader>
<BodyText>Text goes here</BodyText>
</algorithm>
<algorithm>
<sectionHeader>
<Text> Section1 </Text>
<BodyText>Text goes here</BodyText>
</sectionHeader>
<sectionHeader>
<Text> Section2 </Text>
<BodyText>Text goes here</BodyText>
<subsectionHeader>
<Text>Subsection</Text>
<BodyText>Text goes here</BodyText>
</subsectionHeader>
</sectionHeader>
<sectionHeader>
<text>Section3 </Text>
<BodyText>Text goes here</BodyText>
</sectionHeader>
</algorithm>
第一节
这里有文字
第2节
这里有文字
分段
这里有文字
第一节
这里有文字
输出:
<algorithm>
<sectionHeader> Section1 </sectionHeader>
<BodyText>Text goes here</BodyText>
<sectionHeader> Section2 </sectionHeader>
<BodyText>Text goes here</BodyText>
<subsectionHeader>Subsection</subsectionHeader>
<BodyText>Text goes here</BodyText>
<sectionHeader> Section1 </sectionHeader>
<BodyText>Text goes here</BodyText>
</algorithm>
<algorithm>
<sectionHeader>
<Text> Section1 </Text>
<BodyText>Text goes here</BodyText>
</sectionHeader>
<sectionHeader>
<Text> Section2 </Text>
<BodyText>Text goes here</BodyText>
<subsectionHeader>
<Text>Subsection</Text>
<BodyText>Text goes here</BodyText>
</subsectionHeader>
</sectionHeader>
<sectionHeader>
<text>Section3 </Text>
<BodyText>Text goes here</BodyText>
</sectionHeader>
</algorithm>
第一节
这里有文字
第2节
这里有文字
分段
这里有文字
第三节
这里有文字
我可以在java中使用字符串生成器和xpath来实现这一点。但它会影响性能,因为我可能需要处理数百万个文档。xslt是一种更好的方法吗?您可以这样做: XSLT2.0
<xsl:stylesheet version="2.0"
xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="xml" version="1.0" encoding="utf-8" indent="yes"/>
<xsl:template match="/algorithm">
<xsl:copy>
<xsl:for-each-group select="*" group-starting-with="sectionHeader">
<sectionHeader>
<Text>
<xsl:value-of select="." />
</Text>
<xsl:for-each-group select="current-group()" group-starting-with="subsectionHeader">
<xsl:choose>
<xsl:when test="self::subsectionHeader">
<subsectionHeader>
<Text>
<xsl:value-of select="." />
</Text>
<xsl:copy-of select="current-group()[not(self::subsectionHeader)]"/>
</subsectionHeader>
</xsl:when>
<xsl:otherwise>
<xsl:copy-of select="current-group()[not(self::sectionHeader)]"/>
</xsl:otherwise>
</xsl:choose>
</xsl:for-each-group>
</sectionHeader>
</xsl:for-each-group>
</xsl:copy>
</xsl:template>
</xsl:stylesheet>
您对“更好”的定义是什么?您可以使用xslt做同样的事情吗?它可读性好还是不好?你的输入速度快还是慢?只有您可以尝试找到这些问题的答案。为什么结果中的Section 2文本显示在此处
,而不是Section 2文本显示在此处
?它甚至应该包装下面的subsectionHeader吗?哎呀!我的错误。已更正。请选择XSLT 1.0或2.0,而不是同时选择两者。有关XSLT 2.0示例,请参阅对类似问题从开始的每个组执行,根据您有多少级别的节和子节,您的任务可能会更简单,只需为每个组包装两个,
,或者通过识别构成当前级别标题元素的元素更难。