如何使用Java或Scala获取XML中所有节点的XPath

嘿，刚好之前做过类似需求，给你整理了Java和Scala两种语言的实现方案，都是直接能跑的代码，还处理了同名节点的索引问题，避免XPath重复~

Java实现方案 #

用JDK自带的DOM API就能搞定，核心思路是递归遍历所有元素节点，同时计算同名兄弟节点的索引，确保每个节点的XPath唯一。

import org.w3c.dom.*;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import java.io.File;
import java.util.ArrayList;
import java.util.List;

public class XmlXpathExtractor {
    public static void main(String[] args) throws Exception {
        // 替换成你的XML文件路径，也可以用字符串解析（见注释）
        DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
        DocumentBuilder builder = factory.newDocumentBuilder();
        Document doc = builder.parse(new File("your-file.xml"));
        // 如果是解析XML字符串：
        // Document doc = builder.parse(new InputSource(new StringReader("<root><item>1</item><item>2</item></root>")));
        
        List<String> xpaths = new ArrayList<>();
        extractXPaths(doc.getDocumentElement(), "", xpaths);
        
        // 打印所有节点的XPath
        xpaths.forEach(System.out::println);
    }

    private static void extractXPaths(Node node, String currentPath, List<String> xpaths) {
        // 只处理元素节点，如需处理文本/属性节点可修改判断条件
        if (node.getNodeType() != Node.ELEMENT_NODE) {
            return;
        }
        Element element = (Element) node;
        String nodeName = element.getNodeName();
        
        // 计算当前节点在同名兄弟中的索引
        int index = 1;
        Node sibling = node.getPreviousSibling();
        while (sibling != null) {
            if (sibling.getNodeType() == Node.ELEMENT_NODE && sibling.getNodeName().equals(nodeName)) {
                index++;
            }
            sibling = sibling.getPreviousSibling();
        }
        
        // 构建当前节点的XPath
        String newPath = currentPath.isEmpty() 
            ? "/" + nodeName 
            : currentPath + "/" + nodeName + (index > 1 ? "[" + index + "]" : "");
        
        xpaths.add(newPath);
        
        // 递归遍历子节点
        NodeList children = node.getChildNodes();
        for (int i = 0; i < children.getLength(); i++) {
            extractXPaths(children.item(i), newPath, xpaths);
        }
    }
}

Scala实现方案 #

Scala自带的scala.xml库更偏向函数式风格，代码会简洁很多，同样处理了同名节点的索引问题：

import scala.xml.{Node, Elem, XML, InputSource}
import scala.collection.mutable.ListBuffer

object XmlXpathExtractor {
  def main(args: Array[String]): Unit = {
    // 替换成你的XML文件路径，或用字符串解析
    val xml = XML.loadFile("your-file.xml")
    // 解析字符串示例：
    // val xml = XML.loadString("<root><item>foo</item><item>bar</item></root>")
    
    val xpaths = extractXPaths(xml)
    xpaths.foreach(println)
  }

  def extractXPaths(node: Node): List[String] = {
    val xpaths = ListBuffer[String]()
    
    def traverse(currentNode: Node, currentPath: String): Unit = {
      currentNode match {
        case elem: Elem =>
          // 获取所有同名兄弟节点，计算当前节点的索引
          val siblings = currentNode.parent.toSeq
            .flatMap(_.child)
            .filter(_.isInstanceOf[Elem])
            .filter(_.label == elem.label)
          val index = siblings.indexOf(elem) + 1
          
          // 构建XPath，只有多个同名节点时才加索引
          val newPath = if (currentPath.isEmpty) 
            s"/${elem.label}" 
          else 
            s"$currentPath/${elem.label}${if (siblings.size > 1) s"[$index]" else ""}"
          
          xpaths += newPath
          
          // 递归处理子节点
          elem.child.foreach(child => traverse(child, newPath))
        case _ => // 忽略非元素节点
      }
    }
    
    traverse(node, "")
    xpaths.toList
  }
}

额外说明 #

• 如果XML带命名空间，需要在XPath中加上前缀，Java里可以用element.getPrefix()，Scala里用elem.prefix，把前缀拼到节点名前即可（比如/ns:root/ns:item）
• 要是需要提取属性节点的XPath，只需要在遍历元素节点时，额外处理element.getAttributes()，生成类似/root/item/@id的路径

内容的提问来源于stack exchange，提问作者Ankit Mishra