Go语言中利用XPath库灵活解析任意XML文档

go get github.com/xmlpath/xmlpath

<root>
    <header>
        <title>Document Title</title>
        <version>1.0</version>
    </header>
    <data>
        Hello, world.
        <item id="1" status="active">
            <name>Product A</name>
            <price>10.99</price>
        </item>
        Some additional unstructured text.
        <item id="2" status="inactive"/>
    </data>
</root>

package main

import (
    "fmt"
    "strings"

    "github.com/xmlpath/xmlpath"
)

func main() {
    xmlString := `
<root>
    <header>
        <title>Document Title</title>
        <version>1.0</version>
    </header>
    <data>
        Hello, world.
        <item id="1" status="active">
            <name>Product A</name>
            <price>10.99</price>
        </item>
        Some additional unstructured text.
        <item id="2" status="inactive"/>
    </data>
</root>`

    // 1. 将XML字符串转换为io.Reader
    reader := strings.NewReader(xmlString)

    // 2. 解析XML文档，获取根节点
    root, err := xmlpath.Parse(reader)
    if err != nil {
        fmt.Printf("Error parsing XML: %v\n", err)
        return
    }

    fmt.Println("--- 提取特定标签和属性 ---")

    // 3. 使用XPath表达式定位所有<item>标签
    // XPath表达式 "//item" 表示在文档的任何位置查找名为 "item" 的元素
    itemPath := xmlpath.MustCompile("//item")

    // 遍历所有匹配的<item>节点
    for itemNodeIter := itemPath.Iter(root); itemNodeIter.Next(); {
        itemNode := itemNodeIter.Node() // 获取当前<item>节点

        fmt.Printf("\n发现 <item> 标签:\n")

        // 4. 提取<item>标签的id属性
        // XPath表达式 "@id" 表示获取当前节点的 "id" 属性
        idPath := xmlpath.MustCompile("@id")
        if idIter := idPath.Iter(itemNode); idIter.Next() {
            fmt.Printf("  ID: %s\n", idIter.Node().String())
        }

        // 5. 提取<item>标签的status属性
        statusPath := xmlpath.MustCompile("@status")
        if statusIter := statusPath.Iter(itemNode); statusIter.Next() {
            fmt.Printf("  Status: %s\n", statusIter.Node().String())
        }

        // 6. 提取<item>内部的<name>和<price>
        // XPath表达式 "name" 表示获取当前节点的子元素 "name"
        namePath := xmlpath.MustCompile("name")
        if nameIter := namePath.Iter(itemNode); nameIter.Next() {
            fmt.Printf("  Name: %s\n", nameIter.Node().String())
        }

        pricePath := xmlpath.MustCompile("price")
        if priceIter := pricePath.Iter(itemNode); priceIter.Next() {
            fmt.Printf("  Price: %s\n", priceIter.Node().String())
        }
    }

    fmt.Println("\n--- 获取'其他'数据作为字符串 ---")

    // 7. 获取<data>标签下所有非子元素的直接文本内容
    // XPath表达式 "//data/text()" 表示获取<data>标签的直接文本子节点
    dataDirectTextPath := xmlpath.MustCompile("//data/text()")
    fmt.Println("直接位于 <data> 标签下的文本内容:")
    foundDirectText := false
    for textNodeIter := dataDirectTextPath.Iter(root); textNodeIter.Next(); {
        trimmedText := strings.TrimSpace(textNodeIter.Node().String())
        if trimmedText != "" {
            fmt.Printf("  - %q\n", trimmedText)
            foundDirectText = true
        }
    }
    if !foundDirectText {
        fmt.Println("  未找到直接位于 <data> 标签下的文本内容。")
    }

    // 8. 获取<data>标签下所有后代文本内容（包括子元素内部的文本）
    // XPath表达式 "//data//text()" 表示获取<data>标签及其所有后代元素的文本子节点
    dataAllDescendantTextPath := xmlpath.MustCompile("//data//text()")
    fmt.Println("\n<data> 标签下所有后代文本内容 (已去除空白行):")
    foundDescendantText := false
    for textNodeIter := dataAllDescendantTextPath.Iter(root); textNodeIter.Next(); {
        trimmedText := strings.TrimSpace(textNodeIter.Node().String())
        if trimmedText != "" {
            fmt.Printf("  - %q\n", trimmedText)
            foundDescendantText = true
        }
    }
    if !foundDescendantText {
        fmt.Println("  未找到 <data> 标签下的后代文本内容。")
    }

    fmt.Println("\n--- 查找单个特定元素 ---")
    // 9. 查找文档标题
    titlePath := xmlpath.MustCompile("//header/title")
    if titleNode := titlePath.Find(root); titleNode.Next() { // Find() 返回一个迭代器，Next() 获取第一个匹配项
        fmt.Printf("文档标题: %s\n", titleNode.String())
    } else {
        fmt.Println("文档标题未找到。")
    }
}

--- 提取特定标签和属性 ---

发现 <item> 标签:
  ID: 1
  Status: active
  Name: Product A
  Price: 10.99

发现 <item> 标签:
  ID: 2
  Status: inactive

--- 获取'其他'数据作为字符串 ---
直接位于 <data> 标签下的文本内容:
  - "Hello, world."
  - "Some additional unstructured text."

<data> 标签下所有后代文本内容 (已去除空白行):
  - "Hello, world."
  - "Product A"
  - "10.99"
  - "Some additional unstructured text."

--- 查找单个特定元素 ---
文档标题: Document Title