0

我正在尝试从国会图书馆 Web 服务中提取书目数据，可以在此处看到生成的 xml 的示例。总而言之，它看起来像这样：

<zs:searchRetrieveResponse>
  <zs:version>1.1</zs:version>
  <zs:numberOfRecords>1</zs:numberOfRecords>
  <zs:records>
    <zs:record>
      <zs:recordSchema>info:srw/schema/1/mods-v3.2</zs:recordSchema>
      <zs:recordPacking>xml</zs:recordPacking>
      <zs:recordData>
        <mods version="3.2" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-2.xsd">
          (Actual data I care about)
        </mods>
      </zs:recordData>
      <zs:recordPosition>1</zs:recordPosition>
    </zs:record>
  </zs:records>
</zs:searchRetrieveResponse>

我使用 xmlbeans 编译 Java 客户端来读取“mods”标签内的数据，因为它有一个关联的模式。因此，本质上，我需要提取 mods 标记及其内容，并将其视为单独的 XML 文档。我可以使用正则表达式来做到这一点，但更喜欢真正的 XML 解决方案（“从不使用正则表达式解析 XML”，我不断听到）。我编写了以下 SSCCE 代码。

import java.io.BufferedReader;
import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;
import javax.xml.xpath.XPath;
import javax.xml.xpath.XPathConstants;
import javax.xml.xpath.XPathExpression;
import javax.xml.xpath.XPathExpressionException;
import javax.xml.xpath.XPathFactory;
import org.w3c.dom.Document;
import org.xml.sax.SAXException;
public class LibraryOfCongress {
  public static void main(String[] args) throws XPathExpressionException,
      ParserConfigurationException, SAXException, IOException {
    String URL = "http://z3950.loc.gov:7090/voyager?operation=searchRetrieve&version=1.1&recordSchema=mods&maximumRecords=1&query=bath.isbn=0120502577";
    HttpURLConnection conn = (HttpURLConnection) (new URL(URL))
        .openConnection();
    conn.setRequestMethod("GET");
    int responseCode = conn.getResponseCode();
    String document = null;
    if (responseCode == HttpURLConnection.HTTP_OK) {
      BufferedReader rd;
      InputStream in = conn.getInputStream();
      rd = new BufferedReader(new InputStreamReader(in));
      String tempLine = rd.readLine();
      StringBuilder response = new StringBuilder();
      while (tempLine != null) {
        response.append(tempLine).append("\n");
        tempLine = rd.readLine();
      }
      document = response.toString();
      rd.close();
    }
    if(document==null) return;
    ByteArrayInputStream stream = new ByteArrayInputStream(document.getBytes());
    DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
    DocumentBuilder builder = factory.newDocumentBuilder();
    Document doc = builder.parse(stream);
    XPathFactory xPathfactory = XPathFactory.newInstance();
    XPath xpath = xPathfactory.newXPath();
    XPathExpression expr = xpath
        .compile("/zs:searchRetrieveResponse/zs:records/zs:recordData");
    Document ret = (Document) expr.evaluate(doc, XPathConstants.NODE);
    if(ret!=null) {
      String retval = ret.toString();
      System.out.println(retval);
    }
  }
}

它什么也不做，因为 ret 为空。我尝试的变化：

1)

  .compile("/");
  ...
  String ret = (String) expr.evaluate(doc);

返回没有任何标签的文档。这是我能够解决的唯一输出，但当然我需要将标签传递给由 xmlbeans 生成的客户端。

2) 各种其他 XPath 查询字符串，但我无法获得指定根节点以外的任何内容的有用输出。

一些额外的担忧：

1）我读过 XPathConstants.NODE 仍然有某种对原始文档的引用，并且不会像我需要的那样生成独立的文档。不知道该怎么做，我认为拥有可独立解析的节点将是 XPath 的主要原因之一。

2) 我不知道如何处理 XPath 表达式中的命名空间。我只是猜测了一下。

4

1 回答 1

1

如果您想对带有命名空间的 XML 使用 XPath，请确保DocumentBuilder通过调用http://docs.oracle.com/javase/7/docs/api/javax/xml/parsers/DocumentBuilderFactory.html#setNamespaceAware%28boolean%29您的DocumentBuilderFactory. 然后，要应用具有命名空间的 XPath 表达式，您需要实现 NamespaceContext，我认为 Mark 已经链接到在他的评论中显示该页面的页面。

至于用 XPath 选择一个新文档，不，这根本不是 XPath 所做的。它允许您选择现有文档中的节点并进行导航，因此，如果您在层次结构中选择特定节点，您将获得该节点，但它仍然在文档中，包括其所有子代和后代以及其祖先和兄弟姐妹。

因此，如果您想创建一个新的独立文档，您需要使用 DocumentBuilder 和http://docs.oracle.com/javase/7/docs/api/javax/xml/parsers/DocumentBuilder.html#newDocument创建一个%28%29然后您可以importNode或adoptNode您在输入文档中使用 XPath 选择的内容，最后appendChild.

于 2013-11-10T10:56:50.273 回答