Java程序员从笨鸟到菜鸟之(二十六)XML之DOM和SAX解析

       DOM解析

          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。 

1.Document

Document接口代表了整个XML/HTML文档,因此,它是整棵文档树的根,提供了对文档中的数据进行访问和操作的入口。 

2.NodeList

NodeList接口提供了对节点集合的抽象定义,它并不包含如何实现这个节点集的定义。NodeList用于表示有顺序关系的一组节点,比如某个节点的子节点序列。另外,它还出现在一些方法的返回值中,例如getElementsByTagName。 

在DOM中,NodeList的对象是"live"的,换句话说,对文档的改变,会直接反映到相关的NodeList对象中。例如,如果通过DOM获得一个NodeList对象,该对象中包含了某个Element节点的所有子节点的集合,那么,当再通过DOM对Element节点进行操作(添加、删除、改动节点中的子节点)时,这些改变将会自动地反映到NodeList对象中,而不需DOM应用程序再做其他额外的操作。 

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。

3.NamedNodeMap

实现了NamedNodeMap接口的对象中包含了可以通过名字来访问的一组节点的集合。不过注意,NamedNodeMap并不是从NodeList继承过来的,它所包含的节点集中的节点是无序的。尽管这些节点也可以通过索引来进行访问,但这只是提供了枚举NamedNodeMap中所包含节点的一种简单方法,并不表明在DOM规范中为NamedNodeMap中的节点规定了一种排列顺序。 

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。 与NodeList相同,在DOM中,NamedNodeMap对象也是"live"的。  

4.Dom对象

一切都是节点(对象) 

.Node对象:DOM结构中最为基本的对象 

•Document对象:代表整个XML的文档 

•NodeList对象:包含一个或者多个Node的列表 

•Element对象:代表XML文档中的标签元素 

5.dom解析xml步骤

import javax.xml.parsers.*; 

import org.w3c.dom.*; 

public class dom { 

public static void main(String args[]){ 

try{ 

//建立解析器工厂

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); 

//获得解析器

DocumentBuilder builder=factory.newDocumentBuilder(); 

Document doc=builder.parse("candidate.xml"); 

NodeList nl =doc.getElementsByTagName("PERSON"); 

for (int i=0;i<nl.getLength();i++){ 

Element node=(Element) nl.item(i); 

System.out.print("NAME: "); 

System.out.println (node.getElementsByTagName("NAME").item(0).getFirstChild().getNodeValue()); 

…… 

System.out.println(); 

} 

}catch(Exception e){e.printStackTrace();} 

} 

} 


程序详解:

1)DocumentBuilderFactory dbf=DocumentBuilderFactory.newInstance(); 

•我们在这里使用DocumentBuilderFacotry的目的是为了创建与具体解析器无关的程序,当DocumentBuilderFactory 类的静态方法newInstance()被调用时,它根据一个系统变量来决定具体使用哪一个解析器。又因为所有的解析器都服从于JAXP所定义的接口,所 以无论具体使用哪一个解析器,代码都是一样的。所以当在不同的解析器之间进行切换时,只需要更改系统变量的值,而不用更改任何代码。这就是工厂所带来的好处。 

2•DocumentBuilder db = dbf.newDocumentBuilder(); 

•当获得一个工厂对象后,使用它的静态方法newDocumentBuilder()方法可以获得一个DocumentBuilder对象,这个对象代表了具体的DOM解析器。但具体是哪一种解析器,微软的或者IBM的,对于程序而言并不重要 

3)然后,我们就可以利用这个解析器来对XML文档进行解析了 

•Document doc = db.parse("c:/xml/message.xml"); 

•DocumentBuilder的parse()方法接受一个XML文档名作为输入参数,返回一个Document对象,这个Document对象就代表了一个XML文档的树模型。以后所有的对XML文档的操作,都与解析器无关,直接在这个Document对象上进行操作就可以了。而具体对Document操作的方法,就是由DOM所定义的了 

4.从上面得到的Document对象开始,我们就可以开始我们的DOM解析了。使用Document对象的getElementsByTagName()方法,我们可以得到一个NodeList对象,一个Node对象代表了一个XML文档中的一个标签元素,而NodeList对象,所代表的是一个Node对象的列表 

NodeList nl = doc.getElementsByTagName("message"); •我们通过这样一条语句所得到的是XML文档中所有<message>标签对应的Node对象的一个列表。然后,我们可以使用NodeList对象的item()方法来得到列表中的每一个Node对象 

•Node my_node = nl.item(0); 

5.当一个Node对象被建立之后,保存在XML文档中的数据就被提取出来并封装在这个Node中了。在这个例子中,要提取Message标签内的内容,我们通常会使用Node对象的getNodeValue()方法 

•Stringmessage

=my_node.getFirstChild().getNodeValue(); 

注意:请注意,这里还使用了一个getFirstChild()方法来获得message下面的第一个子Node对象。虽然在message标签下面除了文本外并没有其它子标签或者属性,但是我们坚持在这里使用getFirstChild()方法,这主要和W3C对DOM的定义有关。W3C把标签内的文本部分也定义成一个Node,所以先要得到代表文本的那个Node,我们才能够使用getNodeValue()来获取文本的内容

6.dom基本对象详解

DOM的基本对象有5个:Document,Node,NodeList,Element和Attr 

Document对象代表了整个XML的文档,所有其它的Node,都以一定的顺序包含在Document对象之内,排列成一个树形的结构,程序员可以通过遍历这颗树来得到XML文档的所有的内容,这也是对XML文档操作的起点。我们总是先通过解析XML源文件而得到一个Document对象,然后再来执行后续的操作。此外,Document还包含了创建其它节点的方法,比如createAttribute()用来创建一个Attr对象。它所包含的主要的方法有 

1.createAttribute(String):用给定的属性名创建一个Attr对象,并可在其后使用setAttributeNode方法来放置在某一个Element对象上面。 

•2createElement(String):用给定的标签名创建一个Element对象,代表XML文档中的一个标签,然后就可以在这个Element对象上添加属性或进行其它的操作。 

•3createTextNode(String):用给定的字符串创建一个Text对象,Text对象代表了标签或者属性中所包含的纯文本字符串。如果在一个标签内没有其它的标签,那么标签内的文本所代表的Text对象是这个Element对象的唯一子对象。 

4)getElementsByTagName(String):返回一个NodeList对象,它包含了所有给定标签名字的标签。 

5)getDocumentElement():返回一个代表这个DOM树的根元素节点的Element对象,也就是代表XML文档根元素的那个对象。

7.Node对象所包含的主要的方法有 

•appendChild(org.w3c.dom.Node):为这个节点添加一个子节点,并放在所有子节点的最后,如果这个子节点已经存在,则先把它删掉再添加进去。 

•getFirstChild():如果节点存在子节点,则返回第一个子节点,对等的,还有getLastChild()方法返回最后一个子节点。 

•getNextSibling():返回在DOM树中这个节点的下一个兄弟节点,对等的,还有getPreviousSibling()方法返回其前一个兄弟节点。 

•getNodeName():根据节点的类型返回节点的名称。 

•getNodeType():返回节点的类型

.getNodeValue():返回节点的值。 

•hasChildNodes():判断是不是存在有子节点。 

•hasAttributes():判断这个节点是否存在有属性。 

•getOwnerDocument():返回节点所处的Document对象。 

•insertBefore(org.w3c.dom.Node new,org.w3c.dom.Node ref):在给定的一个子对象前再插入一个子对象。 

•removeChild(org.w3c.dom.Node):删除给定的子节点对象 

.replaceChild(org.w3c.dom.Node new,org.w3c.dom.Node old):用一个新的Node对象代替给定的子节点对象。 

•NodeList对象,顾名思义,就是代表了一个包含了一个或者多个Node的列表。可以简单的把它看成一个Node的数组,我们可以通过方法来获得列表中的元素: 

•getLength():返回列表的长度。 

•item(int):返回指定位置的Node对象 

Element对象代表的是XML文档中的标签元素,继承于Node,亦是Node的最主要的子对象。在标签中可以包含有属性,因而Element对象中有存取其属性的方法,而任何Node中定义的方法,也可以用在Element对象上面。 

•getElementsByTagName(String):返回一个NodeList对象,它包含了在这个标签中其下的子孙节点中具有给定标签名字的标签。 

•getTagName():返回一个代表这个标签名字的字符串。 

•getAttribute(String):返回标签中给定属性名称的属性的值。在这儿需要注意的是,因为XML文档中允许有实体属性出现,而这个方法对这些实体属性并不适用。这时候需要用到getAttributeNode()方法来得到一个Attr对象来进行进一步的操作 

•getAttributeNode(String):返回一个代表给定属性名称的Attr对象。 

9.Attr对象代表了某个标签中的属性Attr继承于Node,但是因为Attr实际上是包含在Element中的,它并不能被看作是Element的子对象,因而在DOM中Attr并不是DOM树的一部分,所以Node中的getparentNode(),getpreviousSibling()和getnextSibling()返回的都将是null。也就是说,Attr其实是被看作包含它的Element对象的一部分,它并不作为DOM树中单独的一个节点出现。这一点在使用的时候要同其它的Node子对象相区别 

 

                                                                                               SAX解析

 

 

               SAX的全称是Simple APIs for XML,SAX提供的访问模式是一种顺序模式,这是一种快速读写XML数据的方式。当使用SAX分析器对XML文档进行分析时,会触发一系列事件,并激活相应的事件处理函数,应用程序通过这些事件处理函数实现对XML文档的访问,因而SAX接口也被称作事件驱动接口。由于SAX分析器实现简单,对内存要求比较低,因此实现效率比较高,对于那些只需要访问XML文档中的数据而不对文档进行更改的应用程序来说,SAX分析器更为合适。  

 

             SAXSimple APIs for XML),面向XML的简单APIs使用DOM解析XML时,首先将XML文档加载到内存当中,然后可以通过随机的方式访问内存中的DOM树;SAX是基于事件而且是顺序执行的,一旦经过了某个元素,我们就没有办法再去访问它了,SAX不必事先将整个XML文档加载到内存当中,因此它占据内存要比DOM小,对于大型的XML文档来说,通常会使用SAX而不是DOM进行解析。 

SAX也是使用的观察者模式(类似于GUI中的事件)

 

图中最上方的SAXParserFactory用来生成一个分析器实例。XML文档是从左侧箭头所示处读入,当分析器对文档进行分析时,就会触发在DocumentHandler,ErrorHandler,DTDHandler以及EntityResolver接口中定义的回调方法。 

4.SAX是事件驱动的,文档的读入过程就是SAX的解析过程。在读入的过程中,遇到不同的项目,解析器会调用不同的处理方法。 

5.org.xml.sax.helpers.DefaultHandler类的方法 

项目 

处理方法 

文档开始 

startDocument() 

<PEOPLE> 

startElement() 

Tony Blair 

characters() 

</PEOPLE> 

endElement() 

文档结束 

endDocument() 

6.SAX方式提取XML文档内容信息示例

package com.shengsiyuan.xml.sax;

import java.io.File;

import java.util.Stack;

import javax.xml.parsers.SAXParser;

import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.Attributes;

import org.xml.sax.SAXException;

import org.xml.sax.helpers.DefaultHandler;

public class SaxTest2

{

public static void main(String[] args) throws Exception

{

                //step1: 获得SAX解析器工厂实例

SAXParserFactory factory = SAXParserFactory.newInstance();

                //step2: 获得SAX解析器实例

SAXParser parser = factory.newSAXParser();

                //step3: 开始进行解析

parser.parse(new File("student.xml"), new MyHandler2());

}

}

class MyHandler2 extends DefaultHandler

{

private Stack<String> stack = new Stack<String>();

private String name;

private String gender;

private String age; 

@Override

public void startElement(String uri, String localName, String qName,

Attributes attributes) throws SAXException

{

stack.push(qName);

for(int i = 0; i < attributes.getLength(); i++)

{

String attrName = attributes.getQName(i);

String attrValue = attributes.getValue(i);

System.out.println(attrName + "=" + attrValue);

}

}

@Override

public void characters(char[] ch, int start, int length)

throws SAXException

{

String tag = stack.peek();

if("姓名".equals(tag))

{

name = new String(ch, start,length);

}

else if("性别".equals(tag))

{

gender = new String(ch, start, length);

}

else if("年龄".equals(tag))

{

age = new String(ch, start, length);

}

}

@Override

public void endElement(String uri, String localName, String qName)

throws SAXException

{

stack.pop(); //表示该元素已经解析完毕,需要从栈中弹出


if("学生".equals(qName))

{

System.out.println("姓名:" + name);

System.out.println("性别:" + gender);

System.out.println("年龄:" + age);

System.out.println();

}

}

}


没有更多推荐了,返回首页