XML作为结构化的数据格式，在配置文件、接口数据传输等场景中应用广泛，提取节点文本值是处理XML数据时的常见操作，不同解析方式的操作逻辑存在差异，开发者可以根据实际需求选择合适的方法。
使用DOM解析提取节点文本值
DOM解析会将整个XML文档加载到内存中形成树形结构，通过遍历节点树可以获取目标节点的文本内容，适合处理中小型XML文档。
Java实现示例
Java内置的javax.xml.parsers包提供了DOM解析的相关类，以下是提取book节点下title文本值的代码：
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import org.w3c.dom.Document;
import org.w3c.dom.NodeList;
import org.w3c.dom.Node;
public class DomXmlParser {
public static void main(String[] args) throws Exception {
// 创建解析器工厂
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
// 加载XML文档，这里使用本地路径，也可以替换为网络地址
Document document = builder.parse("test.xml");
// 获取所有book节点
NodeList bookNodes = document.getElementsByTagName("book");
for (int i = 0; i < bookNodes.getLength(); i++) {
Node bookNode = bookNodes.item(i);
NodeList childNodes = bookNode.getChildNodes();
for (int j = 0; j < childNodes.getLength(); j++) {
Node childNode = childNodes.item(j);
// 判断节点名称是否为title
if ("title".equals(childNode.getNodeName())) {
// 获取节点的文本内容
String titleText = childNode.getTextContent();
System.out.println("书籍标题：" + titleText);
}
}
}
}
}
Python实现示例
Python的xml.dom.minidom模块可以实现DOM解析，以下是提取节点文本的代码：
import xml.dom.minidom
# 加载XML文档
dom_tree = xml.dom.minidom.parse("test.xml")
# 获取根节点
root = dom_tree.documentElement
# 获取所有book节点
books = root.getElementsByTagName("book")
for book in books:
# 获取book下的title节点
titles = book.getElementsByTagName("title")
if titles.length > 0:
# 提取title节点的文本内容
title_text = titles[0].firstChild.data
print("书籍标题：" + title_text)
使用SAX解析提取节点文本值
SAX解析是事件驱动的解析方式，不会将整个文档加载到内存，适合处理大型XML文档，通过重写事件处理方法可以在节点解析时获取文本内容。
Java实现示例
Java的org.xml.sax包提供了SAX解析的相关类，以下是实现节点文本提取的代码：
import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;
import java.io.File;
public class SaxXmlParser {
public static void main(String[] args) throws Exception {
SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser parser = factory.newSAXParser();
// 自定义处理器
DefaultHandler handler = new DefaultHandler() {
private boolean isTitleNode = false;
private StringBuilder content = new StringBuilder();
@Override
public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
// 遇到title节点时标记为true
if ("title".equals(qName)) {
isTitleNode = true;
content.setLength(0);
}
}
@Override
public void characters(char[] ch, int start, int length) throws SAXException {
// 如果是title节点，拼接文本内容
if (isTitleNode) {
content.append(ch, start, length);
}
}
@Override
public void endElement(String uri, String localName, String qName) throws SAXException {
// title节点结束时输出文本内容
if ("title".equals(qName)) {
System.out.println("书籍标题：" + content.toString());
isTitleNode = false;
}
}
};
parser.parse(new File("test.xml"), handler);
}
}
使用XPath提取节点文本值
XPath是一门在XML文档中查找信息的语言，可以通过路径表达式快速定位目标节点，直接获取其文本值，代码更简洁。
Java实现示例
Java需要使用javax.xml.xpath包下的类来实现XPath查询，代码如下：
import javax.xml.xpath.XPath;
import javax.xml.xpath.XPathFactory;
import javax.xml.xpath.XPathConstants;
import org.w3c.dom.Document;
import org.w3c.dom.NodeList;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
public class XPathXmlParser {
public static void main(String[] args) throws Exception {
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
Document document = builder.parse("test.xml");
// 创建XPath对象
XPath xPath = XPathFactory.newInstance().newXPath();
// XPath表达式，获取所有book节点下的title节点的文本
String expression = "/bookstore/book/title/text()";
NodeList titleNodes = (NodeList) xPath.evaluate(expression, document, XPathConstants.NODESET);
for (int i = 0; i < titleNodes.getLength(); i++) {
String titleText = titleNodes.item(i).getNodeValue();
System.out.println("书籍标题：" + titleText);
}
}
}
Python实现示例
Python的lxml库支持XPath查询，以下是提取节点文本的代码：
from lxml import etree
# 加载XML文档
tree = etree.parse("test.xml")
# XPath表达式获取所有title节点的文本
title_texts = tree.xpath("/bookstore/book/title/text()")
for text in title_texts:
print("书籍标题：" + text)
不同方法的适用场景对比
开发者可以根据实际需求选择合适的方法，以下是三种方法的对比：
| 解析方式 | 内存占用 | 适用场景 | 代码复杂度 |
|---|---|---|---|
| DOM解析 | 较高 | 中小型XML文档，需要频繁修改节点内容 | 中等 |
| SAX解析 | 较低 | 大型XML文档，只需要读取数据不需要修改 | 较高 |
| XPath查询 | 取决于底层解析方式 | 需要快速定位特定节点，路径规则明确 | 较低 |
提取节点文本的注意事项
- 如果节点包含子节点，使用<code>getTextContent()</code>方法会获取所有子节点的文本内容拼接结果，需要根据需求选择对应方法。
- XML文档如果存在命名空间，需要在解析时处理命名空间配置，否则可能导致节点定位失败。
- 提取文本后建议做空值校验，避免节点不存在时出现空指针异常。
- 如果XML文档编码不是默认的UTF-8，需要在加载文档时指定正确的编码格式，防止中文文本出现乱码。
实际开发中，优先选择XPath方式提取节点文本，代码更简洁且定位准确，如果处理超大XML文档再考虑使用SAX解析方式。