XML第十三讲：使用DOM解析XML文档

    上一讲内容我们讲解了 简单工厂模式 这个设计模式就是为了服务于XML解析的，通过前面几讲的内容我们已经学会了如何写XML，如何写DTD，Schema文档来验证XML。从这一讲开始我们就来详细的剖析一下XML解析，XML解析，就是如何通过Java代码去处理XML，给你一个XML，如何提取出你想要的东西出来。

1. XML解析的方式：DOM和SAX解析
   W3C制定了一套书写XML分析器的标准接口规范--DOM。除此之外，XML_DEV邮件列表中的成员根据应用的需求也自发地定义了一套对XML文档进行操作的接口规范--SAX。这两种接口规范各有侧重，互有长短，应用都比较广泛。
   [也就是说DOM是由W3C指定的标准，而SAX是民间的一种XML解析标准。]
   我们给出DOM和SAX在应用程序开发过程中所处地位的示意图。参考图1,从图中可以看出，应用程序不是直接对XML文档进行操作的，而是首先由XML分析器对XML文档进行分析，然后，应用程序通过XML分析器所提供的DOM接口或SAX接口对分析结果进行操作，从而间接地实现了对XML文档的访问。

  

2. DOM解析

DOM：Document Object Model （文档对象模型）。

   DOM是基于树形结构来处理的。XML文档本身也是树形结构的，它与XML文档是非常吻合的。DOM解析的方式，首先读取XML文档，然后在内存里面形成一棵树形的结构，这就结构就反映出来XML的结构，接下我们就可以遍历这棵树，从根结点到叶子结点，每一个结点都可以认为它是一个元素。然后从结点提取出来元素的内容，元素的属性等信息都可以拿到了。
   DOM也有缺点的，因为要将XML文档读取到内存里面了，如果内容比较大，则其消耗就会高。读取到内存,内存里面构造出来的就是对象，这些对象都是要消耗内存的。这么多对象，必然会消耗内存，正因为有这个缺陷，所以就产生了SAX解析，它就没有这个缺点了。
  对于XML应用开发来说，DOM就是一个对象化的XML数据接口，一个与语言无关、与平台无关的标准接口规范 [这个接口是由W3C标准制定的，它是没有实现的，是由各个厂商根据接口的描述把对应的实现类提供出来的。另外它跟语言无关，换句话说Java根据这个接口的实现定义方式用Java代码实现这个接口，同理.Net同样根据这种规范用.Net的语言将其实现出来。接口是一样的，但是实现方式是不一样的，但是接口所实现的功能是一样的。]

3.DOM树

<?xml version="1.0" encoding="gb2312"?>
<addressbook>
    <person sex = "male">
        <name>张三</name>
        <email>zhs@xml.net.cn</email>
    </person>
    <person sex = "male">
        <name>李四</name>
        <email>ls@xml.net.cn</email>
    </person>
</addressbook>

  从上面的XML文档，可以发现这是个标准XML文档，将其倒过来可以发现它是一个树形结构，则它在内存中形成的对象布局也是一个树形结构，所以可以通过得到文档根元素之后访问所要访问的内容了，如下图所示：

   

4. DOM模型结构

1) 标准的XML文档

<?xml version="1.0" encoding="gb2312"?>
<books>
	<book>
		<author>至尊宝</author>
		<title>倘若时光倒流</title>
	</book>
	<book>
		<author>白晶晶</author>
		<title>月光宝盒实用大全</title>
	</book>
</books>

2) DOM模型结构

    注意上图中的的文档(根节点)与根元素节点的不同，根节点表示的整个文档本身，它是我们访问XML的入口，我们都要从根节点开始，来获取到这个XML文档的DOCUMENT对象，获得到对象之后，就可以得到它的根元素，之后就可以逐层递进了。而根元素节点表示这个文档的根元个根元素节点而已。
    要严格区分XML文档树中的根结点与根元素结点：根节点（Document）代表的是XML文档本身，是我们解析XML文档的入口，而根元素结点则表示XML文档的根元素，它对应于XML文档的Root。

5. 最常见的节点类型

1)元素：元素是 XML 的基本构件。典型地，元素可以有其它元素、文本节点或两者兼有来作为其子节点。元素节点还是可以有属性的唯一类型的节点。
2)属性：属性节点包含关于元素节点的信息，但实际上，不认为它是元素的子节点
3)文本：确切来讲，文本节点是：文本。它可以包含许多信息或仅仅是空白。
4)文档（根节点）：文档节点是整个文档中所有其它节点的父节点。(根节点不等于根元素节点！)如上图的节点books

   [说明]：属性不是元素的子结点，属性是元素的一种固有的特性，元素的子结点是它的子元素。而文本就是普通的空白字符之类的。

还有较不常见的节点类型：CDATA、注释、处理指令，我们在使用XML解析的时候主要遇到类型是一个是元素，一个是元素的内容，一个是属性和属性值，这是我们最常用的。

6. DOM的四个基本接口

    在DOM接口规范中，有四个基本的接口：Document，Node，NodeList以及NamedNodeMap。在这四个基本接口中，Document接口是对文档进行操作的入口，它是从Node接口继承过来的。Node接口是其他大多数接口的父类，象Document，Element，Attribute，Text，Comment等接口都是从Node接口继承过来的。NodeList接口是一个节点的集合，它包含了某个节点中的所有子节点。NamedNodeMap接口也是一个节点的集合，通过该接口，可以建立节点名和节点之间的一一映射关系，从而利用节点名可以直接访问特定的节点。这四个基本接口基本上就可以完成大部分的操作了。

1) Document接口

查看JDK文档中Document的说明，这里就不再阐述，注意的是它是位于org.w3c.dom包下的，在DOM树中，Document接口同其他接口之间的关系如下图所示：

2) Node接口

   Node接口在整个DOM树中具有举足轻重的地位，DOM接口中有很大一部分接口是从Node接口继承过来的，例如，Element、Attr、CDATASection等接口，都是从Node继承过来的。在DOM树中，Node接口代表了树中的一个节点。一个典型的Node接口如下图所示：同样，查看JDK文档中Node接口的说明，这里不做阐述。

    [说明]：w3c 把元素，元素里面的内容，文本，注释、属性都是用Node来表示，所以在解析的时候要经常进行向下类型转换。查看JDK文档，可以发现Element、Attr等的父接口都是Node。

3) NodeList

   可以装多个列表，查看JDK文档中的用法，需要注意的是：NodeList中的每个item都可以通过一个索引来访问，该索引值从0开始。

4) NamedNodeMap

   NamedNodeMap表示的是一组节点和其唯一名字的一一对应关系，这个接口主要用在属性节点的表示上。NamedNodeMap接口经常都是跟属性打交道的，属性的名字不能重复，它的值可以不要求，可以看出他的特性与Map很相似。

  查看JDK文档的介绍和方法，以便更好的使用。

7.练习使用DOM解析XML

  下面有一份XML文档，我们现在利用DOM解析将下面文档的4个PERSON的5个信息：NAME、ADDRESS、TEL、FAX、EMAIL提取打印出来。

<?xml version="1.0"?>
<PEOPLE>
	<PERSON PERSONID="E01">
		<NAME>Tony Blair</NAME>
		<ADDRESS>10 Downing Street, London, UK</ADDRESS>
		<TEL>(061) 98765</TEL>
		<FAX>(061) 98765</FAX>
		<EMAIL>blair@everywhere.com</EMAIL>
	</PERSON>
	<PERSON PERSONID="E02">
		<NAME>Bill Clinton</NAME>
		<ADDRESS>White House, USA</ADDRESS>
		<TEL>(001) 6400 98765</TEL>
		<FAX>(001) 6400 98765</FAX>
		<EMAIL>bill@everywhere.com</EMAIL>
	</PERSON>
	<PERSON PERSONID="E03">
		<NAME>Tom Cruise</NAME>
		<ADDRESS>57 Jumbo Street, New York, USA</ADDRESS>
		<TEL>(001) 4500 67859</TEL>
		<FAX>(001) 4500 67859</FAX>
		<EMAIL>cruise@everywhere.com</EMAIL>
	</PERSON>
	<PERSON PERSONID="E04">
		<NAME>Linda Goodman</NAME>
		<ADDRESS>78 Crax Lane, London, UK</ADDRESS>
		<TEL>(061) 54 56789</TEL>
		<FAX>(061) 54 56789</FAX>
		<EMAIL>linda@everywhere.com</EMAIL>
	</PERSON>
</PEOPLE>

接下来就是解析的过程，解析过程写在程序的注释中，请参考以下的代码：

/*
 * DOM解析XML文档的流程，基本都是按照这个流程来走的。
 */
package com.ahuier.xml.dom;

import java.io.File;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;

import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NodeList;


public class DomTest1 {

   
    public static void main(String[] args) throws Exception {
        /*
         * Step 1: 获得dom解析器工厂(工厂的作用就是用于创建具体的解析器。)
         * 获得一个文档构建的工厂,DOM解析器工厂
         * 查看JDK文档DoucmentBuilderFactory 它是protected类，所以是不能new的，只能使用它的方法 newInstance() 这种方式很像之前学的单例模式。
         */
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        
        //Step 2： 获得具体的DOM解析器
        DocumentBuilder db = dbf.newDocumentBuilder();
        
        /*
         * 查看DocumentBuilderJDK文档的多个parse()方法，
         * 选择public Document parse(File f)方法 ，当然你还可以用其他的方式，它返回的是代表整个文档的Document对象，通过这个入口我们就可以往下了
         * Step 3：解析一个XML文档，获得Document对象(根节点)
         */
        Document document = db.parse(new File("candidate.xml"));
        
        /*
         * 现在我们想要获得所有的person节点，查看JDK文档中的Document的方法
         * 查看NodeList getElementsByTagName(String tagname)
         */
        NodeList list = document.getElementsByTagName("PERSON");
       
    //    System.out.println(list.getLength()); //打印出NodeList长度，即节点的个数，PERSON有四个
        
        for(int i = 0; i < list.getLength(); i++){
            //item返回的元素是Node，现在我们要的是Element 所以要进行向下类型转换，这一点要心里很清楚。
            Element element = (Element)list.item(i);
            
            /*
             * 现在流程进入到了PERSON元素下面了，我们要获得PERSON低下的子元素NAME、ADDRESS等。
             * getNodeValue()表示获得当前节点的值
             */
            
           /* 注意如果是下面这两行程序打印出来的是4个null空的值
            * 原因是因为XML在这个地方：<NAME>Tony Blair</NAME>
            * 中间的Tony Blair的文本也是看做是一个元素了，下面我们打印的就是这个文本，它永远都是空的，所以我们必须打印出这个文本所对应的的子元素 就是Tony Blair
            * 所以我们必须用这种方式来getFirstChild()来得到它的内容。
            String content = element.getElementsByTagName("NAME").item(0).getNodeValue();
            System.out.println(content);*/
            
            String content = element.getElementsByTagName("NAME").item(0).getFirstChild().getNodeValue();
            System.out.println("name: " + content);
            
            content = element.getElementsByTagName("ADDRESS").item(0).getFirstChild().getNodeValue();
            System.out.println("address: " + content);
            
            content = element.getElementsByTagName("TEL").item(0).getFirstChild().getNodeValue();
            System.out.println("tel: " + content);
            
            content = element.getElementsByTagName("FAX").item(0).getFirstChild().getNodeValue();
            System.out.println("fax: " + content);
            
            content = element.getElementsByTagName("EMAIL").item(0).getFirstChild().getNodeValue();
            System.out.println("email: " + content);
            
            System.out.println("-------------------------------------");
        }
    }   
}

[编译执行结果]：

name: Tony Blair
address: 10 Downing Street, London, UK
tel: (061) 98765
fax: (061) 98765
email: blair@everywhere.com
-------------------------------------
name: Bill Clinton
address: White House, USA
tel: (001) 6400 98765
fax: (001) 6400 98765
email: bill@everywhere.com
-------------------------------------
name: Tom Cruise
address: 57 Jumbo Street, New York, USA
tel: (001) 4500 67859
fax: (001) 4500 67859
email: cruise@everywhere.com
-------------------------------------
name: Linda Goodman
address: 78 Crax Lane, London, UK
tel: (061) 54 56789
fax: (061) 54 56789
email: linda@everywhere.com
-------------------------------------

[说明]：上面程序中注意XML文档放的位置，以及相对路径的问题。

   DOM解析是非常重要的，工作中经常有人会问解析XML的方式有几种，它们的特点是什么？其实就是一个是DOM方式，一个SAX方式，把他们的解析的过程分析一下就行了。

另外我们之后要做一个多人聊天室的项目，最好能够利用XML的方式来传输这种方式最好的，是最强壮的。而不应该用之前程序写的那种拼接字符串的形式。