如何在Java中提取文件指定标签内容并生成分类XML文件

嘿，我来帮你搞定这个需求！下面是一个完整的Java解决方案，能够提取<tur>标签内容作为文件名，把同类型的<kitap>内容合并到对应的XML文件中。我选用了JDOM2库来处理XML解析，它比原生DOM API更简洁易用，处理这类场景非常顺手。

第一步：添加依赖 #

如果你的项目用Maven管理，直接在pom.xml里加入JDOM2的依赖：

<dependency>
    <groupId>org.jdom</groupId>
    <artifactId>jdom2</artifactId>
    <version>2.0.6.1</version>
</dependency>

要是不用Maven，就去JDOM官方仓库下载jar包，手动添加到项目的依赖中就行。

完整实现代码 #

import org.jdom2.Document;
import org.jdom2.Element;
import org.jdom2.JDOMException;
import org.jdom2.input.SAXBuilder;
import org.jdom2.output.Format;
import org.jdom2.output.XMLOutputter;

import java.io.*;
import java.nio.charset.StandardCharsets;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

public class KitapKategorisiAyirici {

    public static void main(String[] args) {
        // 替换成你的输入文件路径
        String inputFilePath = "katalog.xml";
        // 输出文件夹路径，会自动创建不存在的目录
        String outputDir = "kitap_kategorileri/";

        // 创建输出目录（如果不存在）
        File outputDirectory = new File(outputDir);
        if (!outputDirectory.exists()) {
            boolean created = outputDirectory.mkdirs();
            if (!created) {
                System.err.println("输出目录创建失败，请检查文件权限");
                return;
            }
        }

        try {
            // 解析输入XML文件
            SAXBuilder saxBuilder = new SAXBuilder();
            Document document = saxBuilder.build(new File(inputFilePath));
            Element rootElement = document.getRootElement();

            // 获取所有<kitap>节点
            List<Element> kitapList = rootElement.getChildren("kitap");

            // 用Map存储每个分类对应的XML文档，方便同一分类的内容追加
            Map<String, Document> turDocuments = new HashMap<>();

            for (Element kitap : kitapList) {
                // 提取<tur>标签的文本内容
                Element turElement = kitap.getChild("tur");
                if (turElement == null || turElement.getTextTrim().isEmpty()) {
                    System.out.println("警告：发现没有<tur>标签的书籍节点，跳过处理");
                    continue;
                }
                String turAdi = turElement.getTextTrim();
                // 处理文件名，替换Windows系统中的非法字符
                String safeFileName = turAdi.replaceAll("[^a-zA-Z0-9\\u00C0-\\u017F\\s.-]", "_") + ".xml";
                String outputFilePath = outputDir + safeFileName;

                // 复制当前<kitap>节点，避免修改原文档
                Element kitapCopy = (Element) kitap.clone();

                // 检查该分类的文档是否已存在，不存在则创建新文档
                if (!turDocuments.containsKey(turAdi)) {
                    Document newDoc = new Document();
                    Element newRoot = new Element("katalog");
                    newDoc.setRootElement(newRoot);
                    turDocuments.put(turAdi, newDoc);
                }

                // 将当前书籍添加到对应分类的文档中
                turDocuments.get(turAdi).getRootElement().addContent(kitapCopy);
            }

            // 格式化输出XML，保证可读性
            XMLOutputter xmlOutputter = new XMLOutputter(Format.getPrettyFormat().setEncoding(StandardCharsets.UTF_8.name()));
            // 遍历所有分类，写入对应的XML文件
            for (Map.Entry<String, Document> entry : turDocuments.entrySet()) {
                String turAdi = entry.getKey();
                String safeFileName = turAdi.replaceAll("[^a-zA-Z0-9\\u00C0-\\u017F\\s.-]", "_") + ".xml";
                String outputFilePath = outputDir + safeFileName;

                try (FileOutputStream fos = new FileOutputStream(outputFilePath);
                     OutputStreamWriter osw = new OutputStreamWriter(fos, StandardCharsets.UTF_8)) {
                    xmlOutputter.output(entry.getValue(), osw);
                    System.out.println("成功生成文件：" + outputFilePath);
                } catch (IOException e) {
                    System.err.println("写入文件失败：" + outputFilePath);
                    e.printStackTrace();
                }
            }

        } catch (JDOMException | IOException e) {
            e.printStackTrace();
        }
    }
}

关键逻辑说明 #

• XML解析：用SAXBuilder解析输入的XML文件，高效获取所有<kitap>节点；
• 分类存储：通过HashMap将同一<tur>分类的书籍节点聚合到同一个XML文档中，避免重复创建文件；
• 文件名安全处理：替换掉Windows系统中不能用于文件名的特殊字符（比如/:*?"<>|），防止创建文件失败；
• 编码与格式化：用UTF-8编码保证土耳其语等非ASCII字符正常显示，同时生成格式化的XML输出，方便阅读；
• 异常处理：对缺失<tur>标签的节点做跳过处理，并打印警告；自动创建输出目录，避免因目录不存在报错。

注意事项 #

• 确保输入的XML是格式规范的，如果有不闭合标签或语法错误，SAX解析会失败；如果你的输入是不规范的“类XML”文本，可能需要改用正则表达式提取，但正则处理XML风险较高，建议尽量规范输入格式；
• 文件名的特殊字符处理是针对Windows系统的，如果你用Linux/macOS，可以根据需要调整正则表达式；
• 运行前记得替换代码中的inputFilePath为你的实际输入文件路径。

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