使用Java删除XML文档上重复的节点标记

我有以下xml文档：

<?xml version="1.0" ?>
<tag>text<b><b>bold</b> bold again</b><b><br/>the end </tag>

text再次加粗
结束

我需要删除重复的标签，但保留其内容，因此结果是：

<?xml version="1.0" ?>
    <tag>text<b>bold bold again</b>the end </tag> 

textbold再次出现在末尾

我有以下代码：

import java.io.*;
import java.util.ArrayList;
import java.util.LinkedList;
import java.util.List;
import org.w3c.dom.Document;
import org.w3c.dom.*;
import java.util.Arrays;

import javax.xml.transform.*;
import javax.xml.transform.dom.*;
import javax.xml.transform.stream.*;


import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.DocumentBuilder;
import org.xml.sax.SAXException;
import org.xml.sax.SAXParseException;


public class TakeDuplicatesXml{

    public static void main(String[] args){

        try{
            DocumentBuilderFactory docFactory = DocumentBuilderFactory.newInstance();
            DocumentBuilder docBuilder = docFactory.newDocumentBuilder();
            Document doc = docBuilder.parse("/Users/youruser/code/Exercises/file.xml");

            //get node list
            List<String> aux = new ArrayList<String>();
            removeDuplicate(doc.getDocumentElement(), aux);

            //print the new document out
            printXmlDocument(doc);
        } catch (Exception ex) {
            ex.printStackTrace();
        }
    }

    public static void printXmlDocument(Document doc){
        try{
            DOMSource domSource = new DOMSource(doc);
            StringWriter writer = new StringWriter();
            StreamResult result = new StreamResult(writer);
            TransformerFactory tf = TransformerFactory.newInstance();
            Transformer transformer = tf.newTransformer();
            transformer.transform(domSource, result);
            System.out.println("XML IN String format is: \n" + writer.toString());
        }catch (Exception ex) {
            ex.printStackTrace();
        }

    }
  //with recursion
    public static void removeDuplicate(Node node, List<String>  aux){

        System.out.println(node.getNodeName());
        //check if that node exists already
        if(aux.contains(node.getNodeName())){
            node.getParentNode().removeChild(node);
        }else{
            //add node name to aux list
            aux.add(node.getNodeName());
        }

        NodeList nodeList = node.getChildNodes();

        for (int i = 0; i < nodeList.getLength(); i++) {
            Node currentNode = nodeList.item(i);
            if (currentNode.getNodeType() == Node.ELEMENT_NODE) {
                //calls this method for all the children which is Element
                removeDuplicate(currentNode, aux);
            }
        }
    }
}

import java.io.*；
导入java.util.ArrayList；
导入java.util.LinkedList；
导入java.util.List；
导入org.w3c.dom.Document；
导入org.w3c.dom.*；
导入java.util.array；
导入javax.xml.transform.*；
导入javax.xml.transform.dom.*；
导入javax.xml.transform.stream.*；
导入javax.xml.parsers.DocumentBuilderFactory；
导入javax.xml.parsers.DocumentBuilder；
导入org.xml.sax.SAXException；
导入org.xml.sax.SAXParseException；
公共类XML{
公共静态void main（字符串[]args）{
试一试{
DocumentBuilderFactory docFactory=DocumentBuilderFactory.newInstance（）；
DocumentBuilder docBuilder=docFactory.newDocumentBuilder（）；
documentdoc=docBuilder.parse（“/Users/youruser/code/Exercises/file.xml”）；
//获取节点列表
List aux=新阵列列表（）；
移除副本（doc.getDocumentElement（），aux）；
//打印新文档
打印文档（doc）；
}捕获（例外情况除外）{
例如printStackTrace（）；
}
}
公共静态无效printXmlDocument（文档文档）{
试一试{
DOMSource DOMSource=新的DOMSource（doc）；
StringWriter编写器=新的StringWriter（）；
StreamResult结果=新的StreamResult（writer）；
TransformerFactory tf=TransformerFactory.newInstance（）；
变压器=tf.新变压器（）；
transformer.transform（domSource，result）；
System.out.println（“字符串格式的XML是：\n”+writer.toString（））；
}捕获（例外情况除外）{
例如printStackTrace（）；
}
}
//递归
移除的公共静态无效副本（节点，列表辅助）{
System.out.println（node.getNodeName（））；
//检查该节点是否已经存在
if（aux.contains（node.getNodeName（）））{
node.getParentNode（）.removeChild（节点）；
}否则{
//将节点名称添加到辅助列表
add（node.getNodeName（））；
}
NodeList NodeList=node.getChildNodes（）；
for（int i=0；i

但结果并不是我想要的，因为它将节点与其内容（粗体字不见了）：

文本再次粗体显示
结束

我怎样才能修好它？如何使其性能更高？

bold

又是

bold的子项。

如果执行

node.getParentNode（）.removeChild（node）

，它就不存在了。将子对象的值添加到父对象的值，然后再将其删除

查询XML的另一种可能性是XPath。见：

• ：“子体轴包含上下文节点的子体；子体是子体或子体的子体，依此类推”
• ：“函数名（）返回元素的名称”

---

不知道这是否更有效。但我想它是-支持自写递归。

所以我找到了解决方案。我仍然不确定这是否是最佳解决方案，但效果良好，并将内容按正确顺序排列：

//with recursion
    public static void removeDuplicate(Node node, List<String>  aux){


        //check if that node exists already
        if(aux.contains(node.getNodeName())){

            Node parentNode = node.getParentNode();
            String value = parentNode.getTextContent();

            parentNode.removeChild(node);
            parentNode.setTextContent(value);
        }else{
            //add node name to aux list
            aux.add(node.getNodeName());
        }

        NodeList nodeList = node.getChildNodes();

        for (int i = 0; i < nodeList.getLength(); i++) {
            Node currentNode = nodeList.item(i);
            if (currentNode.getNodeType() == Node.ELEMENT_NODE) {
                //calls this method for all the children which is Element
                removeDuplicate(currentNode, aux);
            }
        }

//使用递归
移除的公共静态无效副本（节点，列表辅助）{
//检查该节点是否已经存在
if（aux.contains（node.getNodeName（）））{
Node parentNode=Node.getParentNode（）；
字符串值=parentNode.getTextContent（）；
parentNode.removeChild（节点）；
parentNode.setTextContent（值）；
}否则{
//将节点名称添加到辅助列表
add（node.getNodeName（））；
}
NodeList NodeList=node.getChildNodes（）；
for（int i=0；i

这类问题最好使用简单的XSLT转换来解决。您需要一个具有两个规则的样式表：一个复制所有内容不变的标识规则

<xsl:template match="*">
  <xsl:copy>
    <xsl:copy-of select="@*"/>
    <xsl:apply-templates select="child::node()"/>
  </xsl:copy>
</xsl:template>

---

@GeroldBroser这是有道理的，但是如果节点在节点内其余内容之前还是之后，我现在怎么办呢？我不知道使用DOM解析器是否可以做到这一点。使用SAX解析器，您可以按顺序接收文档项的事件。请参阅，还有一个可以读取和写入的事件。

<xsl:template match="*">
  <xsl:copy>
    <xsl:copy-of select="@*"/>
    <xsl:apply-templates select="child::node()"/>
  </xsl:copy>
</xsl:template>

<xsl:template match="b/b">
  <xsl:apply-templates/>
</xsl:template>

<xsl:stylesheet version="1.0" xmlns:xsl="http:www.w3.org/1999/XSL/Transform">

.. template rules go here ...

</xsl:stylesheet>

public static void main(String[] args){

    try{
        TransformerFactory tFactory = TransformerFactory.newInstance();
        Templates t = tFactory.newTemplates(new File(... stylesheet file ....));
        Source doc = new StreamSource(
          new File("/Users/youruser/code/Exercises/file.xml"));
        t.newTransformer().transform(doc, new StreamResult(System.out));
    } catch (Exception ex) {
        ex.printStackTrace();
    }
}