Java中通过StringBuilder处理XML时如何移除指定标签及属性

针对这类XML裁剪需求，根据场景对鲁棒性、代码简洁度的要求不同，主要有两类成熟实现方式：

方案1：使用标准XML解析器处理（生产环境优先推荐） #

这是最稳妥的实现方式，完全遵循XML语法规则，不会因为XML的属性格式调整、空白字符变化、标签内新增其他合法内容出现匹配错误，核心处理逻辑非常清晰：

1. 将原始XML字符串加载为DOM文档树（处理超大XML时可以换StAX流解析，内存占用更低）
2. 遍历所有ApprovalItem节点：
   • 直接移除节点上挂载的id、state两个属性
   • 扫描子节点，将所有ApprovalItemComments节点整枝删除
   • 子节点清空后，序列化时配置输出自闭合标签即可
3. 处理完成后将结果序列化为字符串，写入StringBuilder就能直接用于后续比对逻辑

以Java内置的XML解析组件为例（无需引入第三方依赖），实现代码如下：

import org.w3c.dom.*;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.OutputKeys;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;
import org.xml.sax.InputSource;
import java.io.StringReader;
import java.io.StringWriter;

public class XmlCleanUtil {
    public static String cleanApprovalXml(String rawXml) throws Exception {
        // 加载原始XML
        Document doc = DocumentBuilderFactory.newInstance()
                .newDocumentBuilder()
                .parse(new InputSource(new StringReader(rawXml)));

        NodeList itemList = doc.getElementsByTagName("ApprovalItem");
        for (int i = 0; i < itemList.getLength(); i++) {
            Element item = (Element) itemList.item(i);
            // 移除指定属性
            item.removeAttribute("id");
            item.removeAttribute("state");
            // 删除所有ApprovalItemComments子节点
            NodeList commentNodes = item.getElementsByTagName("ApprovalItemComments");
            for (int j = 0; j < commentNodes.getLength(); j++) {
                item.removeChild(commentNodes.item(j));
            }
        }

        // 配置序列化规则：自动处理自闭合、统一缩进、省略XML声明头
        Transformer transformer = TransformerFactory.newInstance().newTransformer();
        transformer.setOutputProperty(OutputKeys.OMIT_XML_DECLARATION, "yes");
        transformer.setOutputProperty(OutputKeys.INDENT, "yes");
        
        StringWriter writer = new StringWriter();
        transformer.transform(new DOMSource(doc), new StreamResult(writer));
        return writer.toString();
    }
}

这个方案的唯一缺点是处理超大型XML时DOM解析会占用较多内存，这种场景替换为StAX逐行流处理即可，核心过滤逻辑不变。

方案2：正则表达式替换（仅适合输入源完全固定的场景） #

如果你处理的XML生成逻辑完全可控，不会出现CDATA块包裹同名标签、属性值带转义引号、标签嵌套结构变动这类特殊情况，可以直接用正则做替换，代码量极小，处理速度最快，核心分三步替换：

1. 匹配并删除ApprovalItem标签内的id、state属性
2. 匹配并删除从<ApprovalItemComments>到</ApprovalItemComments>的整块内容
3. 将ApprovalItem对应的结束标签替换为自闭合语法

实现代码示例：

public static String cleanXmlByRegex(String rawXml) {
    // 移除指定属性
    String step1 = rawXml.replaceAll("\\s+(id|state)=\"[^\"]*\"", "");
    // 移除整块评论节点（默认节点内无同名嵌套标签）
    String step2 = step1.replaceAll("\\s*<ApprovalItemComments[\\s\\S]*?</ApprovalItemComments>", "");
    // 转为自闭合标签
    return step2.replaceAll(">\\s*</ApprovalItem>", "/>");
}

注意这个方案鲁棒性很差，只要XML结构出现非预期变动就可能出现误替换，绝对不要用在输入源不可控的场景。

补充提示 #

做对象比对前建议统一XML的缩进、换行规则，避免无意义的空白字符差异导致比对结果出错，上述两种方案都可以通过配置统一输出格式。

内容的提问来源于stack exchange，提问作者Bltzz