xml解析方案

有一个比较复杂的Xml,有很多循环嵌套，如何将其中需要的元素拿出来呢？

1、Java类库解析

Java中有许多第三方库可以解析xml.

	<!--使用Dom的方式解析xml--> 
	<dependency>
            <groupId>org.dom4j</groupId>
            <artifactId>dom4j</artifactId>
            <version>2.1.3</version>
        </dependency>
        <dependency>
            <groupId>org.jdom</groupId>
            <artifactId>jdom</artifactId>
            <version>2.0.2</version>
        </dependency>

<!--使用反射将xml和JavaBean对应-->
        <dependency>
            <groupId>com.thoughtworks.xstream</groupId>
            <artifactId>xstream</artifactId>
            <version>1.4.11.1</version>
        </dependency>

<!--jackson中解析xml的库，和json用法一样，可以用在Spring中-->
      <dependency>
            <groupId>com.fasterxml.jackson.dataformat</groupId>
            <artifactId>jackson-dataformat-xml</artifactId>
            <version>2.9.8</version>
        </dependency>

使用dom4jjdom解析xml的时候，就是在处理dom模型，处理Node,Element.

使用xstream这种类库，可以和Java实体类做映射。

处理Xml

刚开始，由于xml内容实在太多，我将其和JavaBean做映射，先通过xml获取实体类，然后映射。

不过由于xml中有循环节点，如下，然后里面被嵌套的部分无法映射，然后我把无法映射的字符串抽离出来，单独映射再拼接到实体对象中，还算可以，不过其实里面有很多属性是我用不上的。

优点：简单直接，只需要得到映射实体类即可。

缺点：需要对重要属性做映射，这个过程可能比较烦。
<struct>
    <body>
    	<struct>
            <body>
            <struct>结构嵌套</struct>
            </body>
        </struct>
        <struct></struct>
        <struct></struct>
    </body>
</struct>

使用Dom4j解析xml缺点就是如果需要解析出的元素比较多，那可能工程量比较大。

如果只取部分元素，还是挺好用的。

2、Spark解析

Spark可以读写数据，读xml文件导入这个库即可。

解析xml如果没有指定schema,那么需要指定一个根标签，此时会自动推断出xml结构。

  
        <dependency>
            <groupId>com.databricks</groupId>
            <artifactId>spark-xml_2.12</artifactId>
            <version>0.11.0</version>
        </dependency>

如这样：

    val frame: DataFrame = spark.read.format("com.databricks.spark.xml")
      .option("rowTag", "structuredBody")
      .load("xxx")

	frame.printSchema

//结构大概如此
root
 |-- component: array (nullable = true)
 |    |-- element: struct (containsNull = true)
 |    |    |-- section: struct (nullable = true)
 |    |    |    |-- code: struct (nullable = true)
 |    |    |    |    |-- _VALUE: string (nullable = true)
 |    |    |    |    |-- _code: string (nullable = true)