【求助】关于xml文档的解析

Question

正在学xml文档的解析
看各种参数没太明白。
请问下，对于这样一个xml片段
- <p1 pair="3">
-   <p2 pair="1">
      <prot>hGITRL</prot> 
    </p2>
  </p1>我怎么依次得到
1、p1这个串（貌似是nodename）
2、pair的值3
3、hGITRl
4、“pair=”这个串；
5、prot以及/prot这两个串
6、/p2以及p1这两个串
7、整体串：<p1 pair="3"><p2 pair="1"><prot>hGITRL</prot></p2></p1>谢谢了

Answer 1

谢谢
在网上看了个简单的代码，
try {
DocumentBuilder dombuilder=domfac.newDocumentBuilder();
InputStream is=new FileInputStream("D:\\abstract_for_10074428.xml");
Document doc=dombuilder.parse(is);
Element root=doc.getDocumentElement();
NodeList proteins=root.getChildNodes();
if(proteins!=null)
{
for(int i=0;i<proteins.getLength();i++)
{
Node protein=proteins.item(i);
int temp=proteins.getLength();
if(protein.getNodeType()==Node.ENTITY_NODE)
{
String pairvalue=protein.getAttributes().getNamedItem("pair").getNodeValue();
System.out.println("pair="+pairvalue);
for(Node node=protein.getLastChild();node!=null;node=node.getNextSibling())
{
if(node.getNodeType()==node.ELEMENT_NODE)
{
if(node.getNodeName().equals("prot"))
{
String proteinname=node.getFirstChild().getNodeValue();
System.out.println("protein"+proteinname);
}
}

}
}
}

}
}
catch (IOException e)

{
System.out.println("file error");

}
针对的是简单的xml片段，
<?xml version="1.0" encoding="gb2312"?>
<xmlfile>　　
<p1 pair="1">　　
   <prot>rjzjh</prot>　
</p1>
</xmlfile>
但是在if(protein.getNodeType()==Node.ENTITY_NODE)
这句通不过，难道不是判定是ENTITY_NODE 才能进入下一步循环？

Answer 2

XML 解析器绝不会解析出“pair=”、“/p2”这种东西出来的。

Answer 3

- <p1 pair="2">
- <prot>
  <p1 pair="1">GITR</p1> 
  ligand 
  </prot>
  </p1>
  ( 
- <p1 pair="3">
- <p2 pair="1">
  <prot>hGITRL</prot> 
  </p2>
  </p1>
  ) , and its human receptor ( 
- <p2 pair="2">
- <p2 pair="3">
  <prot>hGITR</prot> 
  </p2>
  </p2>
  ) , an ortholog of the recently discovered murine 
- <prot>
  glucocorticoid - induced TNFR - related ( 
  <prot>mGITR</prot> 
  ) protein 
  </prot>谢谢。其实我的完整文档是这样的，我需要对一篇文档，进行循环的遍历，取出p1或者p2串，以及pair的值，以及根节点的prot
至于
- <prot>
  glucocorticoid - induced TNFR - related ( 
  <prot>mGITR</prot> 
  ) protein 
  </prot>
这种不是我想要的。。ft。。递归的有点头疼啊。

Answer 4

我明确点问题，对于一个xml片段：
- <p1 pair="2">
- <p1 pair="1">
  <prot>GITR ligand</prot> 
  </p1>
  </p1>
- <p1 pair="3">
- <p2 pair="1">
  <prot>hGITRL</prot> 
  </p2>
  </p1>
 <prot>hGITRL</prot> 我需要得到：
这样一个结构：
<p1 pair="2">GITR ligand</p1>
<p1 pair="1">GITR ligand</p1>
NodeList rootnodes=root.getChildNodes();
for(int i=0;i<rootnodes.getLength();i++)
{
Node nodeitem=rootnodes.item(i);

if(nodeitem.getNodeType()==Node.ELEMENT_NODE)
{
//只对p1或者p2开始的结构进行parse
if(nodeitem.getNodeName().equals("p1")||nodeitem.getNodeName().equals("p2"))
{
for(Node node=nodeitem.getFirstChild(); node!=null; node=node.getNextSibling())
{
if(node.getNodeType()==Node.ELEMENT_NODE)
{
String pairvalue=node.getAttributes().getNamedItem("pair").getNodeValue();
String nodename=node.getNodeName().substring(1,2);

System.out.println("pair="+pairvalue);
System.out.println(nodename);

proteinid.pairnum=new Integer(pairvalue).intValue();
proteinid.pairflag=new Integer(nodename);
proteinid.proteininfile=filename;


//只装进去了一个protein
if(node.getNodeName().equals("prot"))
{
String proteinname=node.getFirstChild().getNodeValue();
System.out.println("protein"+proteinname);

proteinid.protein=proteinname;

}


else
{
parseDocumentTree(node, proteinid, filename);
}

}
}

}

}

}
问题1：不知道这个递归有没有出问题
问题2：更为重要的是，我每次只能将一个protein装进到proteinid这个数据结构中，因为是树结构如何，解决这个问题了
谢谢

Answer 5

额，将函数做了下修改，请高手看看，样能够循环访问我想要的节点信息吗，谢谢
//ProteinID是我定义的一个数据结构，包括四个数据：pairflag、pairnum、proteininfile、protein
//调用函数体 public Hashtable<String, Vector<ProteinID>> buildDocuments() {

File[] files = (new File(m_fileDir)).listFiles();
Hashtable<String, Vector<ProteinID>> hs=new Hashtable<String, Vector<ProteinID>>();
Vector<ProteinID> proteinidver=new Vector<ProteinID>();
Vector<Vector<String>> tempgetinfo=new Vector<Vector<String>>();
Vector<String> tempprotein=new Vector<String>();

try {
for(File file : files)
{
String filename = file.getName(); System.out.print("Reading "+filename+"...");
InputStream is = new FileInputStream(file.getAbsolutePath());
Document doc=dombuilder.parse(is);
Element root=doc.getDocumentElement();
ProteinID proteinid=new ProteinID();

for(Node node = root.getFirstChild(); node!=null; node = node.getNextSibling())
{
if(node.getNodeType()!=Node.ELEMENT_NODE) continue;
parseDocumentTree(node, proteinid, filename,tempgetinfo,tempprotein);
}

//将收集到的信息进行重新装配
for(Vector<String> vecitem:tempgetinfo)
{
proteinid.pairflag=new Integer(vecitem.get(0)).intValue();
proteinid.pairnum=new Integer(vecitem.get(1)).intValue();
proteinid.proteininfile=vecitem.get(3);
proteinid.protein=tempprotein.get(0);
}

proteinidver.add(proteinid);
hs.put(filename, proteinidver);
System.out.println("Finished!"); }
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (SAXException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
return hs;
}//递归函数体
public void parseDocumentTree(Node root, ProteinID proteinid, String filename,Vector<Vector<String>> tempgetinfo,Vector<String> tempprotein )
{
NodeList rootnodes=root.getChildNodes();
for(int i=0;i<rootnodes.getLength();i++)
{
Node nodeitem=rootnodes.item(i);

if(nodeitem.getNodeType()==Node.ELEMENT_NODE)
{
//只对p1或者p2开始的结构进行parse
if(nodeitem.getNodeName().equals("p1")||nodeitem.getNodeName().equals("p2"))
{
for(Node node=nodeitem.getFirstChild(); node!=null; node=node.getNextSibling())
{
if(node.getNodeType()==Node.ELEMENT_NODE)
{
Vector<String> tempvec=new Vector<String>();

String pairvalue=node.getAttributes().getNamedItem("pair").getNodeValue();
System.out.println("pair="+pairvalue);
String nodename=node.getNodeName().substring(1,2);
System.out.println(nodename);
System.out.println(filename);

// proteinid.pairflag=new Integer(nodename).intvalue();
// proteinid.pairnum=new Integer(pairvalue).intValue();
// proteinid.proteininfile=filename;
tempvec.add(nodename);
tempvec.add(pairvalue);
tempvec.add(filename);
tempgetinfo.add(tempvec);



//只装进去了一个protein
if(node.getNodeName().equals("prot"))
{
String proteinname=node.getFirstChild().getNodeValue();
System.out.println("protein"+proteinname);
// proteinid.protein=proteinname;
tempprotein.add(proteinname);

}


else
{
parseDocumentTree(node, proteinid, filename,tempgetinfo,tempprotein);
}

}
}

}

}

}
}