tagoup 和 Groovy 的 XmlSlurper 的奇怪行为

Question

假设我想从 xml 字符串中解析电话号码，如下所示：

str = """ <root> 
            <address>123 New York, NY 10019
                <div class="phone"> (212) 212-0001</div> 
            </address> 
        </root> 
    """
parser = new XmlSlurper(new org.ccil.cowan.tagsoup.Parser()).parseText (str)
println parser.address.div.text()

它不打印电话号码。

如果我像这样将“div”元素更改为“foo”

str = """ <root> 
            <address>123 New York, NY 10019
                <foo class="phone"> (212) 212-0001</foo> 
            </address> 
        </root> 
    """
parser = new XmlSlurper(new org.ccil.cowan.tagsoup.Parser()).parseText (str)
println parser.address.foo.text()

那么它就能够解析并打印电话号码。

到底是怎么回事？

顺便说一句，我正在使用 groovy 1.7.5 和 tagoup 1.2

Answer 1

只需将代码更改为

println parser.address.'div'.text()

这是 Groovy 和许多其他动态语言的诅咒 - “div”是保留方法名称，因此您不会获得节点，而是尝试划分“地址”节点:)

Answer 2

我似乎记得 tagoup 标准化了 HTML 标签 - 即它把它们大写。所以你想要的 GPath 表达式可能是

println parser.ADDRESS.DIV.text()

我发现它很方便能够打印出解析的结果 - 然后你就可以明白为什么你的 GPath 不起作用。用这个..

println groovy.xml.XmlUtil.serialize(parser)

Answer 3

我知道这个问题很老了。但我最近遇到了，这就是我使用的：

parser.'**'.findAll { it.name() == 'div' && [email protected]() == 'phone' }.each { div ->
    println div.text()
}

1. 使用深度优先查找所有标签
2. ，按具有类phone的名称div过滤；
3. 打印值 (212) 212-0001

Groovy 版本是 2.4