Java读取XML文件并导出为CSV格式的技术问题咨询

问题根因 #

你遇到的第二行读取报错问题，本质是该文件不是标准XML文件：XML声明（第一行<?xml...?>）和DOCTYPE声明之间不允许存在普通文本节点，第二行的${_INCL:...}是模板占位符，不属于标准XML语法结构，直接用标准XML解析器（DOM/SAX/JAXB等）读取会直接报格式错误。

分步解决方案 #

第一步：预处理XML文件，兼容非标准行 #

先按行读取原始文件，单独处理第二行占位符，再将剩余符合XML规范的内容拼接后交给XML解析器处理。如果需要保留第二行的占位符内容，可以单独存储后按需写入CSV。

第二步：解析标准XML段，提取目标字段 #

解析处理后的XML内容，提取两个核心字段：

• Header字段：拼接SmtpHeaders下所有<Header>标签的Name和Value属性值
• Body字段：提取<Body>标签内的全部文本内容（可按需保留换行格式）

第三步：按规则导出CSV #

CSV导出时注意转义特殊字符：若字段内容包含逗号、双引号、换行符，需要用双引号将整个字段包裹，内容中原有的双引号要替换为两个连续双引号。

完整代码示例 #

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;
import java.io.*;
import java.util.List;

public class XmlToCsvConverter {
    public static void main(String[] args) throws IOException, DocumentException {
        File inputXml = new File("替换为你的XML文件路径");
        File outputCsv = new File("替换为你的CSV输出路径");

        // 1. 预处理XML，处理第二行非标准内容
        BufferedReader reader = new BufferedReader(new FileReader(inputXml));
        StringBuilder validXmlContent = new StringBuilder();
        String line;
        int lineNum = 0;
        // 如需保留第二行占位符可存储该变量，按需写入CSV
        String secondLinePlaceHolder = "";
        while ((line = reader.readLine()) != null) {
            lineNum++;
            if (lineNum == 2) {
                secondLinePlaceHolder = line;
                continue;
            }
            validXmlContent.append(line).append("\n");
        }
        reader.close();

        // 2. 解析有效XML内容
        SAXReader saxReader = new SAXReader();
        // 关闭DTD校验，避免找不到DTD文件报错
        saxReader.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);
        Document document = saxReader.read(new ByteArrayInputStream(validXmlContent.toString().getBytes("UTF-8")));
        Element root = document.getRootElement();

        // 提取Header内容
        Element smtpHeaders = root.element("SmtpHeaders");
        List<Element> headerList = smtpHeaders.elements("Header");
        StringBuilder headerContent = new StringBuilder();
        for (Element header : headerList) {
            String name = header.attributeValue("Name");
            String value = header.attributeValue("Value");
            headerContent.append(name).append(" & ").append(value);
        }

        // 提取Body内容
        Element body = root.element("Body");
        String bodyContent = body.getText().trim();

        // 3. 导出CSV
        BufferedWriter writer = new BufferedWriter(new FileWriter(outputCsv));
        // 写CSV表头
        writer.write("Header,Body");
        writer.newLine();
        // 转义字段内容
        String escapedHeader = escapeCsvField(headerContent.toString());
        String escapedBody = escapeCsvField(bodyContent);
        writer.write(escapedHeader + "," + escapedBody);
        writer.flush();
        writer.close();
    }

    // CSV字段转义方法
    private static String escapeCsvField(String field) {
        if (field.contains(",") || field.contains("\"") || field.contains("\n")) {
            field = "\"" + field.replace("\"", "\"\"") + "\"";
        }
        return field;
    }
}

依赖说明 #

如果使用上述Dom4j解析方案，需要在pom.xml中引入对应依赖：

<dependency>
    <groupId>org.dom4j</groupId>
    <artifactId>dom4j</artifactId>
    <version>2.1.3</version>
</dependency>

内容的提问来源于stack exchange，提问作者Abhitosh Kumar