Scala处理XML文件（一）

Scala中处理XML文件的功能是比较强大的，因此不管怎样至少也得接触一下。XML也是Scala中的“第一类公民”，直接将一个XML格式的字符串赋值给一个val值变量就可以开始处理了。最基本的有scala.xml.Elem类中的 \ 方法和 \\ 方法，它们可用于直接对XML文件进行解析和提取。 

假如有如下的XML文件：

1. <symbols> 
2.     <symbol ticker="AAPL"> 
3.         <units>200units> 
4.     symbol> 
5.      
6.     <units>300units> 
7.      
8.     <symbol ticker="IBM"> 
9.         <units>400units> 
10.     symbol> 
11. symbols> 

我们可以写一个Scala脚本来提取出其中的元素，顺便比较一下 \ 与 \\ 方面的区别。脚本代码如下：

1. val xmlFile = 
2.      
3.         ticker="AAPL"> 
4.             200 
5.          
6.          
7.         300 
8.          
9.         ticker="IBM"> 
10.             400 
11.          
12.      
13.  
14. println(xmlFile)    // 直接打印xmlFragment的内容 
15. println(xmlFile.getClass()) // 打印xmlFragment的类型 
16.  
17. val unitsNodes = xmlFile \ "units"  // 提取出元素 
18. println(unitsNodes mkString "\n")   // 打印提取出的结果
19. println(unitsNodes getClass)    // 打印symbolNodes的类型 

1. <symbols> 
2.         <symbol ticker="AAPL">  
3.                 <units>200units> 
4.         symbol>  
5.   
6.         <units>300units>  
7.   
8.         <symbol ticker="IBM">  
9.                 <units>400units> 
10.         symbol>  
11. symbols> 
12. class scala.xml.Elem 
13. <units>300units> 
14. class scala.xml.NodeSeq$$anon$1 

我们调用单反斜杠 \ 方法很简单地就提取出了xmlFile中的元素，并且打印出来的结果也跟源文件格式一致。但是，我们注意到提取出来的元素仅仅是当前节点下的元素，如果我们想要同时提取出xmlFile中嵌套在中的元素，此时应该使用双反斜杠 \\ 方法来代替上面脚本中的单反斜杠，修改如下：

1. val unitsNodes = xmlFragment \\ "units" 

 执行结果如下：

1. <units>200units> 
2. <units>300units> 
3. <units>400units> 
4. class scala.xml.NodeSeq$$anon$1 

如果想要获取300中的数值300，则应该使用到Scala中的模式匹配，利用case语句来实现这一功能。假如我们针对上面使用了双反斜杠提取出来的unitsNodes，因为结果是一个数组，所以应该用unitsNodes(1)来获得对于300的引用，具体代码如下：

1. unitsNodes(1) match { 
2.       case <units>{numOfUnits}units> =>  
3.              println("num of units : " + numOfUnits)  
4. } 

1. num of units : 300  

1. println(unitNodes(1).text)  

既然不能简单处理，那只能用回Scala中强大的模式匹配了。另外，如果我们想要同时提取出类似于中的ticker属性的值，也同样使用到了模式匹配。具体脚本如下：

1. xmlFile match { 
2.     case <symbols>{allSymbol @ _*}symbols> => 
3.         for(symbolNode @ <symbol>{_*}symbol> <- allSymbol){ 
4.             println("%-7s %s".format( 
5.                 symbolNode \ "@ticker", (symbolNode \ "units").text))    
6.         } 
7. } 

在这里，{allSymbol @ _*} 中的@符号用于声明定义一个临时变量用来引用…中的所有内容（即下划线加星号 _*，在这个例子中就是所有<symbol>…</symbol>元素对了），包括其他节点元素。

在Scala的模式匹配case语句中，使用特殊符号@可以定义临时变量，例如for表达式，如下。真是强大啊！那么接下来的这一句：

1. for(symbolNode @ <symbol>{_*}symbol> <- allSymbol) 

 中的symbolNode 也容易理解了，而 <- allSymbol 不就是 for 表达式中的迭代赋值吗？最后，println()中使用了正则表达式以及格式化输出format方法。

那么，for表达式中的symbolNode 与 allSymbols 是同样类型的（allSymbols迭代地赋值给symbolNode 嘛），所以每一个 symbolNode 其实也就是每一个…元素对了，看看文章最前面给出的XML文件，内是包含了 ticker 属性的，如下：

1. <symbol ticker="AAPL">  
2.         <units>200units>  
3. symbol>  

那么我们使用symbolNode \ "@ticker" 这种格式将ticker属性的值提取出来。而接下来的(symbolNode \ "units").text 我们都知道是对当前的元素对往下找出元素对，再用text方法取出其值。

执行结果如下：