java与xml联合编程之sax篇

sax概念 
sax是simple api for xml的缩写，它并不是由w3c官方所提出的标准，可以说是“民间”的事实标准。实际上，它是一种社区性质的讨论产物。虽然如此，在xml中对sax的应用丝毫不比dom少，几乎所有的xml解析器都会支持它。 

与dom比较而言，sax是一种轻量型的方法。我们知道，在处理dom的时候，我们需要读入整个的xml文档，然后在内存中创建dom树，生成dom树上的每个node对象。当文档比较小的时候，这不会造成什么问题，但是一旦文档大起来，处理dom就会变得相当费时费力。特别是其对于内存的需求，也将是成倍的增长，以至于在某些应用中使用dom是一件很不划算的事（比如在applet中）。这时候，一个较好的替代解决方法就是sax。 

sax在概念上与dom完全不同。首先，不同于dom的文档驱动，它是事件驱动的，也就是说，它并不需要读入整个文档，而文档的读入过程也就是sax的解析过程。所谓事件驱动，是指一种基于回调（callback）机制的程序运行方法。（如果你对java新的代理事件模型比较清楚的话，就会很容易理解这种机制了） 


在xmlreader接受xml文档，在读入xml文档的过程中就进行解析，也就是说读入文档的过程和解析的过程是同时进行的，这和dom区别很大。解析开始之前，需要向xmlreader注册一个contenthandler，也就是相当于一个事件监听器，在contenthandler中定义了很多方法，比如startdocument()，它定制了当在解析过程中，遇到文档开始时应该处理的事情。当xmlreader读到合适的内容，就会抛出相应的事件，并把这个事件的处理权代理给contenthandler，调用其相应的方法进行响应。 

这样泛泛的说来或许有些不容易理解，别急，后面的例子会让你明白sax的解析过程。看看这个简单xml文件： 

<poem>
<author>ogden nash</author>
<title>fleas</title>
<line>adam</line>
</poem> 

当xmlreader读到<poem>标签时，就会调用contenthandler.startelement()方法，并把标签名poem作为参数传递过去。在你实现的startelement()方法中需要做相应的动作，以处理当<poem>出现时应该做的事情。各个事件随着解析的过程（也就是文档读入的过程）一个个顺序的被抛出，相应的方法也会被顺序的调用，最后，当解析完成，方法都被调用后，对文档的处理也就完成了。下面的这个表，列出了在解析上面的那个xml文件的时候，顺序被调用的方法： 


contenthandler实际上是一个接口，当处理特定的xml文件的时候，就需要为其创建一个实现了contenthandler的类来处理特定的事件，可以说，这个实际上就是sax处理xml文件的核心。下面我们来看看定义在其中的一些方法： 

void characters(char args) {
string filename = null;
boolean validation = false;
filename="links.xml";
saxparserfactory spf = saxparserfactory.newinstance();
xmlreader xmlreader = null;
saxparser saxparser=null;
try {
// 创建一个解析器saxparser对象/
saxparser = spf.newsaxparser();
// 得到saxparser中封装的sax xmlreader
xmlreader = saxparser.getxmlreader();
} catch (exception ex) {
system.err.println(ex);
system.exit(1);
}
try {
//使用指定的contenthandler，解析给xml文件，这儿要注意的是，为了
//程序的简单起见，这儿将主程序和contenthandler放在了一起。实际上
//main方法中所作的所有事情，都与contenthandler无关。
xmlreader.parse(new file(filename),new saxcounter());
} catch (saxexception se) {
system.err.println(se.getmessage());
system.exit(1);
} catch (ioexception ioe) {
system.err.println(ioe);
system.exit(1);
}
}
} 

我们来看看这段程序作了些什么，在main()方法中，主要做的就是创建解析器，然后解析文档。实际上，在这儿创建saxparser对象的时候，为了使程序代码于具体的解析器无关，使用了同dom中一样的设计技巧：通过一个saxparserfactory类来创建具体的saxparser对象，这样，当需要使用不同的解析器的时候，要改变的，只是一个环境变量的值，而程序的代码可以保持不变。这就是factorymethod模式的思想。在这儿不再具体讲了，如果还有不明白的，可以参看上面dom中的解释，原理是一样的。 

不过在这儿还有一点点要注意的地方，就是saxparser类和xmlreader类之间的关系。你可能有些迷糊了吧，实际上saxparser是jaxp中对xmlreader的一个封装类，而xmlreader是定义在sax2.0种的一个用来解析文档的接口。你可以同样的调用saxparser或者xmlreader中的parser()方法来解析文档，效果是完全一样的。不过在saxparser中的parser()方法接受更多的参数，可以对不同的xml文档数据源进行解析，因而使用起来要比xmlreader要方便一些。 

这个例子仅仅涉及了sax的一点皮毛，而下面的这个，可就要高级一些了。下面我们要实现的功能，在dom的例子中已经有实现了，就是从xml文档中读出内容并格式化输出，虽然程序逻辑看起来还是很简单，但是sax可不比dom哦，看着吧。 

前面说过，当遇到一个开始标签的时候，在startelement()方法中，我们并不能够得到这个标签在xml文档中所处的位置。这在处理xml文档的时候是个大麻烦，因为在xml中标签的语义，有一部分是由其所处的位置所决定的。而且在一些需要验证文档结构的程序中，这更是一个问题。当然，没有解决不了的问题了，我们可以使用一个栈来实现对文档结构的纪录。 

栈的特点是先进先出，我们现在的想法是，在startelemnt()方法中用push将这个标签的名字添加到栈中，在endelement()方法中在把它pop出来。我们知道对一个结构良好的xml而言，其嵌套结构是完备的，每一个开始标签总会对应一个结束标签，而且不会出现标签嵌套之间的错位。因而，每一次startelement()方法的调用，必然会对应一个endelement()方法的调用，这样push和pop也是成对出现的，我们只需要分析栈的结构，就可以很容易的知道当前标签所处在文档结构中的位置了。 

public class saxreader extends defaulthandler {
java.util.stack tags=new java.util.stack();
//--------------xml content-------------
string text=null;
string url=null;
string author=null;
string description=null;
string day=null;
string year=null;
string month=null;
//----------------------------------------------
public void enddocument() throws saxexception {
system.out.println("------parse end--------");
}
public void startdocument() throws saxexception {
system.out.println("------parse begin--------");
}
public void startelement(string p0, string p1, string p2, attributes p3) throws saxexception {
tags.push(p1);
}
public void endelement(string p0, string p1, string p2) throws saxexception {
tags.pop();
//一个link节点的信息收集齐了，将其格式化输出/
if (p1.equals("link")) printout();
}
public void characters(char args) {
string filename = null;
boolean validation = false;
filename="links.xml";
saxparserfactory spf = saxparserfactory.newinstance();
saxparser saxparser=null;
try {
saxparser = spf.newsaxparser();
} catch (exception ex) {
system.err.println(ex);
system.exit(1);
}
try {
saxparser.parse(new file(filename),new saxreader());
} catch (saxexception se) {
system.err.println(se.getmessage());
system.exit(1);
} catch (ioexception ioe) {
system.err.println(ioe);
system.exit(1);
}
}
} 

在这儿虽然没有使用到栈的分析，但实际上栈的分析是一件很容易的事情，应为java.util.stack继承了java.util.vector类，而且stack中的元素是按栈的结构由底至上排列的，因个，我们可以使用vector类的size()方法来得到stack的元素个数，还可以使用vector的get(int)方法来得到具体的每一个元属。实际上，如果把stack的元素从底向上逐一排列出来，我们就得到了从xml根节点到当前节点的一条唯一的路径，有了这条路径的信息，文档的结构就在清楚不过了。 

小节 
好了，到这儿为止，我们已经掌握了对于xml编程的两大利器：dom和sax，也知道了该如何在一个java程序中使用它们。dom编程相对简单，但是速度比较慢，占用内存多，而sax编程复杂一些，但是速度快，占用内存少。所以，我们应该根据不同的环境选择使用不同的方法。大部分的xml应用基本都可以用它们来解决。需要特别说明的是，dom和sax其实都是语言无关的，并非java所独有，也就是说，只要有相应的语言实现，dom和sax可以应用在任何面向对象的语言中。 

上面我们介绍了xml文档的读入，内容提取，以及文档添加和修改的一些方法。还有一类的问题就是xml文档的转换，虽然用dom和sax也可以解决，但是实现起来很复杂，而应用xslt就会简单许多。这个问题，笔者将会在以后的文章中再和大家详细讨论