Chapter 28《Working with XML》

半结构化数据

• XML是一种半结构化数据，既不是纯文本数据也不是编程中使用到的数据结构。在保存数据到文件中或对文件进行网络传输的时候非常有用，将数据转换为半结构数据，然后使用库中的工具将半结构数据转换为二进制数据。

XML简介

• XML的组成元素为Tag和Text，Tag之间是不能交叉的，可以嵌套。Tag可以有自己的属性，属性就是一个name-value对，name是plain的，value值被“”或者‘’包裹起来。

XML字面量

• Scala支持XML字面量，XML字面量是一个表达式，可用在任意表达式可使用的地方，类型是Scala.xml.Elem，是一个XML元素，其余的重要的类有：Node，是XML所有节点类的抽象总类；Text，只包含有文本的Node，
• NodeSeq类含有Node序列，许多XML的库都支持对NodeSeq的操作，Node继承自NodeSeq。
  构造XML字面量的时候可以在其中嵌入Scala表达式，使用{}包括起来。如果在表达式中插入Tag，直接写入即可。直接写入<old></old>标签，空节点使用XML.NodeSeq.Empty表达。

  scala> <a> {if (yearMade < 2000) <old>{yearMade}</old> else xml.NodeSeq.Empty} </a>
  
  scala> <a> {"</a>potential security hole<a>"} </a>
  res4: scala.xml.Elem = <a> &lt;/a&gt;potential security
  hole&lt;a&gt; </a>
  

其中<,>和$会被转义成为对应的字符实体。如果使用单纯的字符串拼接，则无法阻止用户对XML的修改，会造成错误的情况发生。

scala> "<a>" + "</a>potential security hole<a>" + "</a>"
res5: String = <a></a>potential security hole<a></a>

所以最好还是使用XML字面量来生成XML Elem。

序列化

• 第一种序列化：在内部的数据结构中定义一个toXML方法，使用XML字面量手动构建XML。

拆分XML

• 方法基于XPath语言，可以直接在Scala中使用。使用text方法可以直接提取到XML节点之间的文字，其中的<,>和$可以被自动的转换。
  使用\可以提取XML中的子节点。
  使用\\可以提取任意深度的子节点。

  scala> <a><b><c>hello</c></b></a> \\"c"
  res12: scala.xml.NodeSeq = NodeSeq(<c>hello</c>)
  

同样可以使用这两个方法来提取属性

scala> val joe = <employee name="Joe" rank="code monkey" serial="123"/>
joe: scala.xml.Elem = <employee name="Joe" rank="code monkey" serial="123"/>
scala> joe \\ "@name"
res15: scala.xml.NodeSeq = Joe

"@name"，＠是在被提取的字符串里面的。

反序列化

• 通过\\可以对一个类定义parser来解析相应的XML，将其反序列化为相应的数据结构。

加载和保存

• 序列化的最后一步是XML和字节之间的转换，这部分一般都有相应的库函数来做。将XML转为String，调用toString即可，但还是推荐使用scala.xml.XML.save("therm1.xml", node)函数将XML转为文件进行保存，同时可以指定文件的编码。导入更简单，使用 val loadnode = xml.XML.loadFile("therm1.xml")

XML中的模式匹配

• 以上的例子都是在非常确定XML结构的情况下做的序列化和反序列化，如果一个XML的结构是不确定的，则使用模式匹配来筛选可能性。用于匹配的模式非常像XML字面量，在其中也可以嵌入使用{}包裹的表达式，但{}`中的表达式不再计算，而是一个可以被使用的模式，

  def proc(node: scala.xml.Node): String =
  node match {
  case <a>{contents}</a> => "It's an a: " + contents
  case <b>{contents}</b> => "It's a b: " + contents
  case _ => "It's something else."
  }
  

其中a和b只能匹配只有一个节点的XML，例如<a>apple</a>，<b><c/></b>此类可以，标签中间只能有一个节点，不能有多的节点。<a>scala<b/></a>这样是不行的。如果要使提取出来这种XML序列，使用_*进行匹配，可以使用变量绑定，将_*的值赋值到contents上方便以后使用。

def proc(node: scala.xml.Node): String =
node match {
case <a>{contents @ _*}</a> => "It's an a: " + contents
case <b>{contents @ _*}</b> => "It's a b: " + contents
case _ => "It's something else."
}

在XML中，换行或者空格等空白字符也都是一个节点，