Groovy Node.depthFirst() 返回节点和字符串列表？答案

【问题标题】：Groovy Node.depthFirst() returning a List of Nodes and Strings?Groovy Node.depthFirst() 返回节点和字符串列表？
【发布时间】：2012-12-07 13:16:33
【问题描述】：

我希望有人能指出我在这里遗漏的一些明显的东西。我觉得我已经这样做了一百次了，今晚出于某种原因，由此产生的行为让我陷入了循环。

我正在从公共 API 读取一些 XML。我想从某个节点（'body' 中的所有内容）中提取所有文本，其中还包括各种子节点。简单示例：

<xml>
    <metadata>
        <article>
            <body>
                <sec>
                    <title>A Title</title>
                    <p>
                        This contains 
                        <italic>italics</italic> 
                        and
                        <xref ref-type="bibr">xref's</xref>
                        .
                    </p>
                </sec>
                <sec>
                    <title>Second Title</title>
                </sec>
            </body>
        </article>
    </metadata>
</xml>

所以最终我想遍历所需节点内的树（同样是“body”）并提取包含在其自然顺序中的所有文本。很简单，所以我只写了这个 Groovy 小脚本……

def xmlParser = new XmlParser()
def xml = xmlParser.parseText(rawXml)
xml.metadata.article.body[0].depthFirst().each { node ->
    if(node.children().size() == 1) {
        println node.text()
    }   
}

...继续以“没有方法签名：java.lang.String.children()”而爆炸。所以我在想自己“等等，什么？我要疯了吗？” Node.depthFirst() 应该只返回一个节点列表。我添加了一点“instanceof”检查，果然，我得到了 Node 对象和 String 对象的组合。具体来说，不在同一行的实体内的行将作为字符串返回，即“This contains”和“and”。其他一切都是节点（正如预期的那样）。

我可以轻松解决这个问题。但是，这似乎不是正确的行为，我希望有人能指出我正确的方向。

【问题讨论】：

据我所知，Node.depthFirst 的行为与您在 groovy 1.7 中所期望的一样。在 groovy 2.0+ 中，我看到节点/字符串的结果相同。

标签： xml groovy xml-parsing xmlnode xmlslurper

【解决方案1】：

我很确定这是正确的行为（尽管我一直发现 XmlSlurper 和 XmlParser 的 API 很糟糕）。您可以迭代的所有东西都应该实现一个节点接口 IMO，并且可能有一个 type 或 TEXT，您可以使用它来了解从它们那里获取文本。

那些文本节点是有效节点，在许多情况下，您会想要点击它们，因为它在 XML 中进行深度优先遍历。如果它们没有被返回，那么您检查子节点大小是否为 1 的算法将不起作用，因为某些节点（如 <p> 标记）在其下方同时具有混合文本和元素。

另外，为什么depthFirst 不会始终返回文本是唯一子节点的所有文本节点，例如上面的italic，这让事情变得更糟。

我倾向于使用 groovy 方法的签名来让运行时找出处理每个节点的正确方法（而不是使用类似 instanceof 的方法），如下所示：

def rawXml = """<xml>
    <metadata>
        <article>
            <body>
                <sec>
                    <title>A Title</title>
                    <p>
                        This contains 
                        <italic>italics</italic> 
                        and
                        <xref ref-type="bibr">xref's</xref>
                        .
                    </p>
                </sec>
                <sec>
                    <title>Second Title</title>
                </sec>
            </body>
        </article>
    </metadata>
</xml>"""

def processNode(String nodeText) {
    return nodeText
}

def processNode(Object node) {
   if(node.children().size() == 1) {
       return node.text()
   }
}

def xmlParser = new XmlParser()
def xml = xmlParser.parseText(rawXml)
def xmlText = xml.metadata.article.body[0].'**'.findResults { node ->
    processNode(node)
}

println xmlText.join(" ")

打印

A Title This contains italics and xref's .  Second Title

或者，XmlSlurper 类可能会做更多您想要/期望的事情，并且从text() 方法获得更合理的输出集。如果你真的不需要对结果进行任何类型的 DOM 遍历（XmlParser 是“更好”的），我建议XmlSlurper：

def xmlParser = new XmlSlurper()
def xml = xmlParser.parseText(rawXml)
def bodyText = xml.metadata.article.body[0].text()
println bodyText

打印：

A Title
                    This contains 
                    italics 
                    and
                    xref's
                    .
                Second Title

【讨论】：

最后一点是我真正想要的，也正是我所期待的。我本可以发誓我试过了，但我一定是每次都把 depthFirst() 放在那里，这让我陷入了循环。
哦，事实上 GPathResult.text() 的行为与 Node.text() 非常不同。我希望文档能提供更多信息...
您能否详细说明双“*”的含义
@Shashank.gupta40 '**' 是depthFirst() 的简写