XML是一种非常重要的半结构化数据表示方式，目前大量的应用依赖于XML，这些应用或利用XML作为数据交换格式，或利用XML进行文件配置等。像JAVA、C++及其它流行的程序开发语言都是依赖于第三方库来实现XML的操作，例如JAVA经常通过JDOM，DOM4J等XML处理工具进行XML的操纵，但Scala提供了对XML的原生支持，通过scala.xml._包下的类或对象可以进行任何的XML操作。下面的代码演示了Scala中如何定义XML字面量。
scala> var x: scala.xml.Elem = <site><name>xuetuwuyou</name><url>http://www.xuet uwuyou.com/</url></site> x: scala.xml.Elem = <site><name>xuetuwuyou</name><url>http://www.xuetuwuyou.com/ </url></site> scala> <site><name>xuetuwuyou</name><url>http://www.xuetuwuyou.com/</url></site> res8: scala.xml.Elem = <site><name>xuetuwuyou</name><url>http://www.xuetuwuyou.c om/</url></site>通过上面的代码不能发现，scala会自动地对XML进行解析，并识别为scala.xml.Elem类型。scala中与XML相关的包和类很多，具体如下图所示：
在深入讲解Scala操纵XML之前，先对几个主要的术语进行介绍： 图中描述了属性、根元素、子元素、元素及文本的概念及它们之间的关联关系，所以的文本、元素被统称为节点（Node）。下面给出的scala XML中的几个重要的类：
Node类。它的一个抽象类，用于对象XML中的所有节点进行抽象： Text类，仅包含文本的节点，例如<url>http://www.xuetuwuyou.com/</url> 中的http://www.xuetuwuyou.com/就是一种Text对象NodeSeq类，它同样是一个抽象类，指的是节点的序列，Node继承自NodeSeq，可以看Node可作是NodeSeq只有一个元素的情况。scala中的XML中可以执行scala表达式，例如
val s="http://www.xuetuwuyou.com/" val xmlUrl= <a>{" "+s+" "}</a> //<a> http://www.xuetuwuyou.com/ </a> println(xmlUrl) val age=30 val xml1= if(age<29) <age> {age} </age> else NodeSeq.Empty //<age> 28 </age println(xml1) //<age> 79 </age> val xml2= <age> {29+50} </age> println(xml2)提取XML中的文本：
object ExtractXMLText extends App{ val x= <person><name>摇摆少年梦</name><age>27</age></person> //摇摆少年梦27 println(x.text) }这种提取方式将XML中所有的文本内容提取出来并拼接在一起，在实际中我们可能需要精确提取，比如我只想提取name元素中的内容，此时可以采用下列方式：
val x= <person><name>摇摆少年梦</name><age>27</age></person> //提取name子结点，类型XPATH访问方式 //<name>摇摆少年梦</name> println(x \ "name") //提取name中的文本 println((x \ "name").text) scala> x \ "age" res2: scala.xml.NodeSeq = NodeSeq(<age>27</age>)x \ “age” 这种子元素的提取方式，返回的类型是scala.xml.NodeSeq
\的方式只能提取子元素，不能提取子元素的子元素，例如：
val x= <persons> <person><name>摇摆少年梦</name><age>27</age></person> <person><name>张三</name><age>29</age></person> <person><name>李四</name><age>30</age></person> </persons> //返回空NodeSeq println(x \ "name") // \\提取二级子元素 //<name>摇摆少年梦</name><name>张三</name><name>李四</name> println(x \\ "name")通过\和\可以提取任何XML的子元素及其文本内容，但如果XML元素带有属性，那又如何提取呢？
val x= <persons> <person name="摇摆少年梦" age="27" /> <person><name>张三</name><age>29</age></person> <person><name>李四</name><age>30</age></person> </persons> //用@方式提取name属性 //摇摆少年梦 println(x \\ "@name")下面给出的是对象的XML序列化操作：
class Person(val name:String,val age:Int){ def toXML()={ <person> <name>{name}</name> <age>{age}</age> </person> } } object XMLSerialization extends App{ val p=new Person("摇摆少年梦",27) println(p.toXML()) }反序列化操作：
class Person(val name:String,val age:Int){ //序列化操作 def toXML()={ <person> <name>{name}</name> <age>{age}</age> </person> } //反序列化操作 def fromXML(xml:scala.xml.Elem):Person={ new Person((xml \ "name").text,(xml \ "age").text.toInt) } override def toString()="name="+name+", age="+age } object XMLSerialization extends App{ val p=new Person("摇摆少年梦",27) val xmlPerson=p.toXML() val p2=p.fromXML(xmlPerson) println(p2) }前一小节，我们的序列化与反序列化操作都在内存中进行的，在通常的情况下都是将序列化后的XML保存在文件当中，在反序列化时再从文件中读取，实现方式如下：
class Person(val name:String,val age:Int){ def toXML()={ <person> <name>{name}</name> <age>{age}</age> </person> } def fromXML(xml:scala.xml.Elem):Person={ new Person((xml \ "name").text,(xml \ "age").text.toInt) } override def toString()="name="+name+", age="+age } object XMLSerialization extends App{ val p=new Person("摇摆少年梦",27) val xmlPerson=p.toXML() //保存到XML文件当中 scala.xml.XML.save("person.xml", xmlPerson, "UTF-8", true, null) //从文件中加载XML文件 val loadPerson=scala.xml.XML.loadFile("person.xml") val p2=p.fromXML(loadPerson) println(p2) }下面给出的是save方法的标签
/** Saves a node to a file with given filename using given encoding * optionally with xmldecl and doctype declaration. * * @param filename the filename * @param node the xml node we want to write * @param enc encoding to use * @param xmlDecl if true, write xml declaration * @param doctype if not null, write doctype declaration */ final def save( filename: String, node: Node, enc: String = encoding, xmlDecl: Boolean = false, doctype: dtd.DocType = null ): Unit =Scala操纵XML另外一个非常强大的地方在于，它能够用于模式匹配，从而非常灵活、方便地对XML进行处理：
import scala.xml._ object PatternMatchingXML extends App{ def xmlMatching(node:Node)={ node match { //XML模式匹配语法，利用{}进行匹配 case <persons>{sub_element}</persons>=> println(sub_element) //其它未匹配的情况 case _ => println("no matching") } } //下面这条语句的执行结果：<person><name>摇摆少年梦</name></person> xmlMatching(<persons><person><name>摇摆少年梦</name></person></persons>) //下面这条语句的执行结果： //no matching xmlMatching(<persons><person><name>摇摆少年梦</name></person><person><name>摇摆少年梦</name></person></persons>) }从上述代码可以看到，<persons>{sub_element}</persons> 只能匹配标签<persons></persons> 中只存在单个子元素的情况，如果具有多个子元素，即子元素构成NodeSeq，则不能匹配，需要进行进一步处理，代码如下：
object PatternMatchingXML extends App{ def xmlMatching(node:Node)={ node match { //_*的方式表示可以匹配多个子元素的情况，如果匹配 //则将匹配的内容赋值给sub_element case <persons>{sub_element @ _*}</persons>=> println(sub_element) case _ => println("no matching") } } //下面这条语句返回的是：ArrayBuffer(<person><name>摇摆少年梦</name></person>) //数组中的每个元素都是Node类型 xmlMatching(<persons><person><name>摇摆少年梦</name></person></persons>) //下面这条语句返回的是：ArrayBuffer(<person><name>摇摆少年梦</name></person>, <person><name>摇摆少年梦</name></person>) //数组中的每个元素都是Node类型 xmlMatching(<persons><person><name>摇摆少年梦</name></person><person><name>摇摆少年梦</name></person></persons>) }因为返回的是ArrayBuffer，可以通过for循环遍历对XML子元素中的内容进行提取，如：
def xmlMatching2(node:Node)={ node match { case <persons>{sub_element @ _*}</persons>=> for(elm <- sub_element) println("getting "+(elm \ "name").text) case _ => println("no matching") } } //返回结果getting 摇摆少年梦 xmlMatching2(<persons><person><name>摇摆少年梦</name></person></persons>) //返回结果： //getting 摇摆少年梦 //getting 摇摆少年梦 xmlMatching2(<persons><person><name>摇摆少年梦</name></person><person><name>摇摆少年梦</name></person></persons>)添加公众微信号，可以了解更多最新Spark、Scala相关技术资讯
相关资源：python入门教程(PDF版)