遍历 NodeList 时移除 DOM 节点 - Java

在 Java 中使用 NodeList 遍历 HTML 时，有时需要在遍历的过程中移除某些节点。然而，直接在遍历中移除节点会导致 NodeList 指向的节点集合发生变化，可能会导致遍历出现意外结果或抛出异常。本文将介绍如何安全地遍历 NodeList 并移除其中的节点。

NodeList

在 Java 中，可以使用 org.w3c.dom 包中的 NodeList 来遍历 XML 或 HTML 文档中的节点。NodeList 是一种动态集合，可以通过它的 item(int index) 方法按索引获取节点对象。

Document doc = ...
NodeList nodeList = doc.getElementsByTagName("div");
for (int i = 0; i < nodeList.getLength(); i++) {
    Node node = nodeList.item(i);
    // ...
}

移除节点方法

在遍历 NodeList 时，如果需要移除某些节点，一种安全的方法是将需要移除的节点放在另一个集合中，并在遍历结束后再遍历这个集合，依次将节点从原来的树结构中移除。

NodeList nodeList = doc.getElementsByTagName("div");
List<Node> nodesToRemove = new ArrayList<>();
for (int i = 0; i < nodeList.getLength(); i++) {
    Node node = nodeList.item(i);
    // ...
    if (shouldRemoveNode(node)) {
        nodesToRemove.add(node);
    }
}
for (Node nodeToRemove : nodesToRemove) {
    nodeToRemove.getParentNode().removeChild(nodeToRemove);
}

private boolean shouldRemoveNode(Node node) {
    // ...
}

注意，移除节点后 NodeList 的长度会发生变化，因此在遍历集合时仍要使用 nodeList.getLength() 来获取长度。

参考资料

• https://docs.oracle.com/javase/tutorial/jaxp/dom/readingXML.html