Fatal编程技术网
  • java/
  • Java：通过正则表达式字符串解析使用元素丰富xml

Java：通过正则表达式字符串解析使用元素丰富xml

java regex xml dom xpath

Java：通过正则表达式字符串解析使用元素丰富xml,java,regex,xml,dom,xpath,Java,Regex,Xml,Dom,Xpath,我有一项复杂的任务将docx文档转换为jatsxml。现在，我已经从docx和xslt中获取了一切可能的信息。下一步是解析xml文件，并通过将一些xml字符串（节点中的文本）更改为xml元素来更新它。我没有在这个论坛上的类似问题中找到这些信息。我的输入xml如下所示： <article dtd-version="3.0" article-type="other"> <body> <sec> <title>mySuperTit

我有一项复杂的任务将docx文档转换为jatsxml。现在，我已经从docx和xslt中获取了一切可能的信息。下一步是解析xml文件，并通过将一些xml字符串（节点中的文本）更改为xml元素来更新它。我没有在这个论坛上的类似问题中找到这些信息。我的输入xml如下所示：

<article dtd-version="3.0" article-type="other">
  <body>
    <sec>
      <title>mySuperTitle</title>
        <p>
          This is some scientific stuff [1]. Here is more complicated info. This text is even more bizarre [2,3].
        </p>
        <p>
           Einstein formulas [4]. String theory [5,6]. Really don`t know what to write here[7,8]. 
        </p>
      </sec>
      <sec>
        <title>AnotherBoringTitle</title>
        <p>
          Another one section and obviously here is even more citations [9,10,11]
        </p>
     </sec>
   </body>
</article>


我的超级头衔

这是一些科学的东西[1]。这里有更复杂的信息。这篇文章甚至更奇怪[2,3]。



爱因斯坦公式[4]。弦论[5,6]。真的不知道在这里写什么[7,8]。


另一个头衔

另一个章节，显然这里还有更多的引文[9,10,11]
理想情况下，我希望将所有的引用（在[]中是简单的数字）替换为xml元素。例如：

<article dtd-version="3.0" article-type="other">
  <body>
    <sec>
      <title>mySuperTitle</title>
        <p>
          This is some scientific stuff [<xref ref-type="bibr" rid="bib1">1</xref>]. Here is more complicated info. This text is even more bizarre [<xref ref-type="bibr" rid="bib2">2</xref>,<xref ref-type="bibr" rid="bib3">3</xref>].
        </p>
        <p>
          Einstein formulas [<xref ref-type="bibr" rid ="bib4">4</xref>]. String theory [<xref ref-type="bibr" rid ="bib5">5</xref>,<xref ref-type="bibr" rid ="bib6">6</xref>]. Really don`t know what to write here [<xref ref-type="bibr" rid ="bib7">7</xref>,<xref ref-type="bibr" rid ="bib8">8</xref>]. 
        </p>
     </sec>
     <sec>
        <title>AnotherBoringTitle</title>
        <p>
          Another one section and obviously here is even more citations [<xref ref-type="bibr" rid ="bib9">9</xref>,<xref ref-type="bibr" rid ="bib10">10</xref>,<xref ref-type="bibr" rid ="bib11">11</xref>]
        </p>
     </sec>
   </body>
</article>


我的超级头衔

这是一些科学的东西[1]。这里有更复杂的信息。这篇文章甚至更奇怪[2,3]。



爱因斯坦公式[4]。弦论[5,6]。真的不知道在这里写什么[7,8]。


另一个头衔

另一个章节，显然这里还有更多的引文[9,10,11]
我在Java方面没有太多经验，但已经尝试使用DOM、Xpath和正则表达式来完成这项任务。问题是，当我解析文档并获取节点时，我必须从DOM获取它，转换为字符串，将字符串中的字符替换为数字，转换为元素并生成输出。我发现将这个字符串转换为元素（这需要创建新的documentBuilder，或者它如何调用）并替换DOM中适当的元素以输出新的xml是有问题的。
这是一个简单的解决方案吗？或者我必须在这里写很多行代码？

这可以使用DOM和regexex：

我假设您知道如何找到正确的
Text
节点

然后，您需要：

//get the split point:
int prevSplitOffset = 0;
Matcher m = Pattern.compile("\\[(\\d+)\\]").matcher(textNode.getData());
while (m.find()) {
  // get the text and split it:
  Text number = textNode.splitText(m.start(1) - prevSplitOffset);
  textNode = number.splitText(m.group(1).length());

  // Replace the number with a new DOM node:
  Element xref = document.createElement("xref");
  xref.setAttribute("rid", "bib" + m.group(1));
  xref.setAttribute("ref-type", "bibr");
  number.getParentNode().replaceChild(xref, number);
  xref.appendChild(number);
  prevSplitOffset = m.end(1);
}
这可以使用DOM和regexex：

我假设您知道如何找到正确的
Text
节点

然后，您需要：

//get the split point:
int prevSplitOffset = 0;
Matcher m = Pattern.compile("\\[(\\d+)\\]").matcher(textNode.getData());
while (m.find()) {
  // get the text and split it:
  Text number = textNode.splitText(m.start(1) - prevSplitOffset);
  textNode = number.splitText(m.group(1).length());

  // Replace the number with a new DOM node:
  Element xref = document.createElement("xref");
  xref.setAttribute("rid", "bib" + m.group(1));
  xref.setAttribute("ref-type", "bibr");
  number.getParentNode().replaceChild(xref, number);
  xref.appendChild(number);
  prevSplitOffset = m.end(1);
}
谢谢你的回答。我正在使用xpath查找所需的节点。明天我将检查这段代码，但我假设这就是我要查找的。请确保根据您的环境调整变量名；-）请更改编号.getParentNode（）.replaceChild（编号，外部参照）；到number.getParentNode（）.replaceChild（外部参照，编号）；第二个问题是，它只在一个文本节点中找到第一个引用。如果有第二个-抛出错误：索引\u大小\u错误：索引或大小为负数，或大于允许值。我修复了它。第一次拆分后，需要调整偏移量。谢谢回答。我正在使用xpath查找所需的节点。明天我将检查这段代码，但我假设这就是我要查找的。请确保根据您的环境调整变量名；-）请更改编号.getParentNode（）.replaceChild（编号，外部参照）；到number.getParentNode（）.replaceChild（外部参照，编号）；第二个问题是，它只在一个文本节点中找到第一个引用。如果有第二个-抛出错误：索引\u大小\u错误：索引或大小为负数，或大于允许值。我修复了它。第一次拆分后，需要调整偏移。