我有大量包含 URL 的 XML 文件。我正在编写一个 groovy 实用程序来查找每个 URL 并将其替换为更新版本。

给定 example.xml:

<?xml version="1.0" encoding="UTF-8"?>
<page>
    <content>
        <section>
            <link>
                <url>/some/old/url</url>
            </link>
            <link>
                <url>/some/old/url</url>
            </link>
        </section>
        <section>
            <link>
                <url>
                    /a/different/old/url?with=specialChars&amp;escaped=true
                </url>
            </link>
        </section>
    </content>
</page>

脚本运行后，example.xml 应包含:

<?xml version="1.0" encoding="UTF-8"?>
<page>
    <content>
        <section>
            <link>
                <url>/a/new/and/improved/url</url>
            </link>
            <link>
                <url>/a/new/and/improved/url</url>
            </link>
        </section>
        <section>
            <link>
                <url>
                    /a/different/new/and/improved/url?with=specialChars&amp;stillEscaped=true
                </url>
            </link>
        </section>
    </content>
</page>

使用 groovy 出色的 xml 支持很容易做到这一点，除了我想更改 URL 而不是其他文件。

我的意思是:

• 不得更改空格(文件可能包含空格、制表符或两者)
• 必须保留评论
• 必须保留 windows 与 unix 风格的行分隔符
• 不得添加或删除顶部的 xml 声明
• 标签中的属性必须保持顺序

到目前为止，在尝试了 XmlParser、DOMBuilder、XmlNodePrinter、XmlUtil.serialize() 等的多种组合之后，我开始逐行读取每个文件并应用 xml 实用程序和正则表达式。

读写每个文件:

files.each { File file ->
    def lineEnding = file.text.contains('\r\n') ? '\r\n' : '\n'
    def newLineAtEof = file.text.endsWith(lineEnding)
    def lines = file.readLines()
    file.withWriter { w ->
        lines.eachWithIndex { line, index ->
            line = update(line)
            w.write(line)
            if (index < lines.size-1) w.write(lineEnding)
            else if (newLineAtEof) w.write(lineEnding)
        }
    }
}

在一行中搜索和更新 URL:

def matcher = (line =~ urlTagRegexp) //matches a <url> element and its contents
matcher.each { groups ->
    def urlNode = new XmlParser().parseText(line)
    def url = urlNode.text()
    def newUrl = translate(url)
    if (newUrl) {
        urlNode.value = newUrl
        def replacement = nodeToString(urlNode)
        line = matcher.replaceAll(replacement)
    }
}

def nodeToString(node) {
    def writer = new StringWriter()
    writer.withPrintWriter { printWriter ->
        def printer = new XmlNodePrinter(printWriter)
        printer.preserveWhitespace = true
        printer.print(node)
    }
    writer.toString().replaceAll(/[\r\n]/, '')
}

这主要是可行的，除了它无法处理拆分为多行的标记，并且在写回文件时弄乱换行符很麻烦。

我是 groovy 的新手，但我觉得必须有一种更 groovy 的方式来做到这一点。

最佳答案

我刚刚在以下位置创建了要点:https://gist.github.com/akhikhl/8070808演示如何使用 Groovy 和 JDOM2 完成这种转换。

重要提示:

1. Groovy 在技术上允许使用任何 Java 库。如果有什么 不能用 Groovy JDK 完成，可以用其他库完成。
2. jaxen 库(实现 XPath)应该明确包含(通过 @Grab 或通过 maven/gradle)，因为它是 JDOM2 的可选依赖项。
3. @Grab/@GrabExclude 指令序列修复了 jaxen 对 JDOM-1.0 的古怪依赖性。
4. XPathFactory.compile 还支持变量绑定(bind)和过滤器(参见在线 javadoc)。
5. XPathExpression(由编译返回)支持两个主要函数 - evaluate 和 evaluateFirst。 evaluate 始终返回满足指定谓词的所有 XML 节点的列表，而 evaluateFirst 仅返回第一个匹配的 XML 节点。

更新

以下代码:

new XMLOutputter().with {
  format = Format.getRawFormat()
  format.setLineSeparator(LineSeparator.NONE)
  output(doc, System.out)
}

解决了保留空格和行分隔符的问题。 getRawFormat 构造一个保留空格的格式对象。 LineSeparator.NONE 指示格式对象，它不应转换行分隔符。

上面提到的要点也包含这个新代码。

关于xml - 使用 groovy 更新 xml 文件时保留格式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/20690526/