用于解析分隔文本消息的DFDL模式

Question

需要对DFDL的小帮助。我需要将下面的消息解析为类似于XML/树结构的内容。元素不是固定的和动态的。有时还会出现一些其他元素。

​

​

XML/树输出应如下所示

<root>
<CLIENT_ID>DESKTOPCLIENT</CLIENT_ID>
<LOCALE>en-US</LOCALE>
<ENCODE/>
</root>

Answer 1

这是一个可能的解决方案，在Daffodil中进行了测试：

<xs:schema
  xmlns:xs="http://www.w3.org/2001/XMLSchema"
  xmlns:dfdl="http://www.ogf.org/dfdl/dfdl-1.0/">

  <xs:include schemaLocation="org/apache/daffodil/xsd/DFDLGeneralFormat.dfdl.xsd" />

  <xs:annotation>
    <xs:appinfo source="http://www.ogf.org/dfdl/">
      <dfdl:format
        ref="GeneralFormat"
        lengthKind="delimited"
      />
    </xs:appinfo>
  </xs:annotation>

  <xs:element name="root" dfdl:initiator="%ESC;" dfdl:terminator="%SUB;">
    <xs:complexType>
      <xs:sequence dfdl:separator="%CAN;" dfdl:separatorPosition="prefix" dfdl:sequenceKind="unordered">
        <xs:element name="CLIENT_ID" type="xs:string" dfdl:initiator="CLIENT_ID%NAK;" />
        <xs:element name="LOCALED" type="xs:string" dfdl:initiator="LOCALE%NAK;" />
        <xs:element name="ENCODE" type="xs:string" dfdl:initiator="ENCODE%NAK;" />
      </xs:sequence>
    </xs:complexType>
  </xs:element>

</xs:schema>

请注意，这假设单个元素的名称是固定的，并且它们都存在，尽管顺序并不重要。如果您知道固定的名称，但它们可能存在，也可能不存在，那么可以将minOccurs="0"添加到无序序列中的元素。

但是，DFDL不支持dynami元素名称，因此如果您不知道名称，则需要一个稍有不同的模式。相反，您需要将数据描述为无边界数量的名称/值对，其中名称和值由%NAK；分隔，例如：

  <xs:element name="root" dfdl:initiator="%ESC;" dfdl:terminator="%SUB;">
    <xs:complexType>
      <xs:sequence dfdl:separator="%CAN;" dfdl:separatorPosition="prefix">
        <xs:element name="element" maxOccurs="unbounded">
          <xs:complexType>
            <xs:sequence dfdl:separator="%NAK;" dfdl:separatorPosition="infix">
              <xs:element name="name" type="xs:string" />
              <xs:element name="value" type="xs:string" />
            </xs:sequence>
          </xs:complexType>
        </xs:element>
      </xs:sequence>
    </xs:complexType>
  </xs:element>

这将产生一个类似如下所示的信息集：

<root>
  <element>
    <name>CLIENT_ID</name>
    <value>DESKTOPCLIENT</value>
  </element>
  <element>
    <name>LOCALE</name>
    <value>en-US</value>
  </element>
  <element>
    <name>ENCODE</name>
    <value></value>
  </element>
</root>

如果需要XML标记与问题中的name字段匹配，则需要转换信息集。XSLT可以毫不费力地完成这种转换。

编辑: IBM DFDL似乎不喜欢上面的解决方案。我不知道为什么，但它适用于Apache Daffodil。值是空字符串会导致问题。经过反复试验，我发现如果您指定将空值元素视为nil，IBM DFDL (以及Apache Daffodil )也可以使用它。因此，将value元素更改为下面的值是有效的：

<xs:element name="value" type="xs:string" nillable="true"
  dfdl:nilKind="literalValue" dfdl:nilValue="%ES;"
  dfdl:useNilForDefault="no"/>

在这种情况下，infoset以如下形式结束：

<element>
  <name>ENCODE</name>
  <value xsi:nil="true"></value>
</element>

Edit2: nillable属性是必需的，否则IBM DFDL会将空字符串值视为不存在，而不是具有空值。不存在会导致错误。DFDL规范的较新版本添加了一个新属性emptyElementParsePolicy，该属性允许您控制是将空字符串视为不存在，还是仅将其视为空字符串。Daffodil将此属性作为扩展实现，但缺省情况下将行为视为空。IBM DFDL将其视为缺席行为。在将此属性设置为不存在时，Daffodil具有类似于IBM DFDL的行为。