如何使用DataWeave 2.0/Mule 4检测HTML是否存在指定标题

完全可以通过DataWeave 2.0原生能力实现该校验需求，不需要引入额外Mule组件，利用内置的XML解析和节点递归查询能力即可完成。

实现逻辑 #

• 将输入HTML文本按XML格式宽松解析，兼容常规HTML的格式特性
• 递归提取文档中所有h1~h6级别的标题节点
• 比对标题节点的文本内容与目标值，输出校验结果

实现代码 #

%dw 2.0
output application/json
var targetTitleText = "Name"
// 宽松解析HTML为XML结构，避免命名空间、非法标签名导致解析失败
var parsedDoc = read(payload, "application/xml", {
    allowInvalidXmlNames: true,
    skipNamespaces: true
})
// 聚合所有层级的标题节点，若仅需匹配指定级别标题（比如仅h2）可直接写对应标签选择器
var allTitleNodes = parsedDoc..*h1 ++ parsedDoc..*h2 ++ parsedDoc..*h3 ++ parsedDoc..*h4 ++ parsedDoc..*h5 ++ parsedDoc..*h6
---
{
    // 布尔值校验结果，true代表存在目标标题
    checkResult: any(allTitleNodes match (node) -> trim(node) == targetTitleText),
    // 可选：返回匹配到的标题节点详情，不需要可删除该字段
    matchedNodes: allTitleNodes filter (node) -> trim(node) == targetTitleText
}

示例运行结果 #

传入提供的HTML示例时，脚本返回结果如下：

{
  "checkResult": true,
  "matchedNodes": [
    "Name"
  ]
}

注意事项 #

• 若待处理HTML存在未自闭合的单标签（比如<br>、<img>），可以在解析前先用replace函数将这类标签替换为自闭合格式（比如<br/>），避免XML解析报错
• 脚本中使用trim()处理标题文本，是为了兼容标题前后存在多余空格、换行的场景，若需要严格完全匹配，直接删除trim()包裹即可
• 如果仅需要匹配特定级别的标题，比如仅查找h2标签，直接将allTitleNodes赋值为parsedDoc..*h2即可，无需聚合所有层级标题

内容的提问来源于stack exchange，提问作者Singh