DOM解析XML

DOM

• DOM(Document Object Model):W3C组织推荐的处理XML的标准接口. 

http://www.w3.org/DOM/DOMTR.html 

DOM特点:首先将整个XML文档读取到内存中才能进行某些操作,如果XML文档很大,则会影响性能。 

DOM结构模型: 
DOM的核心概念就是NODE(节点).DOM在分析XML文档时,将组成XML文档的各个部分(元素,属性,文本,注释,处理指令等)映射成一个对象,这个对象就叫做节点。在内存中这些节点形成一棵树。整棵树就是一个节点,树中的每一个节点也是一棵树。 
DOM就是对这棵树的一个对象描述,我们通过访问树中的节点来存取XML文档的内容。 

DOM解析器工厂:javax.xml.parsers.DocumentBuilderFactory 
第一种使用其系统属性的方式: 
System.setProperty("javax.xml.parsers.DocumentBuilderFactory","org.apache.xerces.jaxp.DocumentBuilderFactoryImpl");
第二种使用其系统属性的方式: 
java -Djava.xml.parsers.DocumentBuilderFactory = oracle.xml.jaxp.JXDocumentBuilderFactory DOMTest 
第三种方式: 
如果不想使用JDK默认的解析器,比如使用apache的Xerces解析器,只需建立JRE\lib\endorsed目录,然后将xercesImpl.jar文件copy到其目录下。 

DOM树中的节点类型: 
DOM本质上是节点的集合。由于一个文档中可能包含不同类型的信息,因此要定义不同类型的节点。XML中最常见的节点类型:文档,元素,文本,属性,其他不常用的节点类型包括:注释,处理指令,文档类型,CDATA段,文档片段,实体,实体引用,记号。 
文档节点:文档树的根节点,也是文档中其他所有节点的父节点。但是不是根元素,因为XML文档中注释,处理指令等可以出现在根元素之外,所以在构造DOM树时,根元素并不适合作为根节点,于是就有了文档节点。根元素则作为文档节点的子节点。文档节点通过org.w3c.dom.Document接口来实现。 
元素节点:XML文档中的元素。通常元素拥有子元素,文本节点或两者结合。元素节点也是唯一能够拥有属性的节点类型。该节点通过org.w3c.dom.Element接口来实现。 
文本节点:只包含文本内容(在XML中称为字符数据)的节点,它可以由更多信息组成,也可包含空白。在文档树中元素跟属性的文本内容都是由文本节点来表示的。该节点通过org.w3c.dom.Text接口来实现,Text接口继承CharacterData接口。 
属性节点:元素中的属性。属性实际上是附属元素的,所以属性节点不能被看作是元素的子节点,即属性没有被认为是文档树的一部分,例如在属性节点上调用getParentNode(),getPreviousSibling()和getNextSibling()返回都是NULL。 
也就是说属性节点被看作包含他的元素节点的一部分,它并不作为单独的一个节点在文档树中出现。该节点通过org.w3c.dom.Attribute接口来实现。 
注释节点:该节点通过org.w3c.dom.Comment接口来实现。 
处理指令节点:表示XML文档中的处理指令。该节点通过org.w3c.dom.ProcessingInstruction接口来实现。 
文档类型节点:每一个Document都有一个doctype属性,其值炜null或DocumentType对象。该节点通过org.w3c.dom.DocumentType接口来实现。 
CDATA段节点表示XML文档中的CDATA段。该节点通过org.w3c.dom.CDAT 
ASection接口来实现。该接口继承自Text接口。 
实体节点:XML文档中已分析或未分析实体。该节点通过org.w3c.dom.Entity接口来实现。 
实体引用节点:DOM树中的一个实体引用。该节点通过org.w3c.dom.EntityReference接口来实现。 
记号节点:在DTD中声明的记号。该节点通过org.w3c.dom.Notation接口来实现。 


NodeList接口:提供了一个有序节点集合的抽象。该方法下定义了两个方法: 
1.int getLength():该方法返回列表中节点的数目。 
2.Node item(int index):该方法返回集合中指定索引的节点。集合中的索引从0开始。 
注意:DOM中的NodeList对象是动态的。eg.使用Node接口的getChildNodes()得到一个节点的子节点列表,然后你调用insertBefore(),appendChild(),replaceChild()和removeChild()等任何一个方法,都将影响到NodeList对象,也就是说此时再调用getLength()和item()将返回与先前不同的值。 

org.w3c.dom.NamedNodeMap接口:也是节点的集合。通过该接口可以建立节点名跟节点之间的一一映射,从而利用节点名直接访问对应的节点。 
注意:该接口无序。并不是继承自NodeList接口。并且该接口也是动态的。 
eg.在某个元素节点上调用getAttributes()将返回一个包含属性名和属性节点映射的NamedNodeMap对象。 

DOM实例一:得到文本节点的内容 
students.xml 

Java代码  

1. <?xml version="1.0" encoding="gb2312"?>  
2.   
3. <?xml-stylesheet type="text/xml" href="students.xsl">  
4.   
5. <students>  
6.   <student sn="01">  
7.      <name>张三</name>  
8.      <age>11</age>  
9.   </student>  
10.   <student sn="02">  
11.      <name>李四</name>  
12.      <age>14</age>  
13.   </student>  
14. </students>  

java类:DOMStudentInfo.java 

Java代码  

1. import java.io.File;  
2. import java.io.IOException;  
3. import javax.xml.parsers.DocumentBuilder;  
4. import javax.xml.parsers.DocumentBuilderFactory;  
5. import javax.xml.parsers.ParserConfigurationException;  
6. import org.w3c.dom.Document;  
7. import org.w3c.dom.Element;  
8. import org.w3c.dom.Node;  
9. import org.w3c.dom.NodeList;  
10. import org.xml.sax.SAXException;  
11.   
12. public class DOMStudentInfo {  
13.   
14.     /** 
15.      * @param args 
16.      */  
17.     public static void main(String[] args) {  
18.         DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();  
19.         try {  
20.             DocumentBuilder db = dbf.newDocumentBuilder();  
21.             Document doc = db.parse(new File("students.xml"));  
22.             NodeList nl = doc.getElementsByTagName("student");  
23.             int len = nl.getLength();  
24.             for(int i=0;i<len;i++){  
25.                 Element eltStu = (Element)nl.item(i);  
26.                 Node eltName = eltStu.getElementsByTagName("name").item(0);  
27.                 Node eltAge = eltStu.getElementsByTagName("age").item(0);  
28.                 //注意:此时不能用eltName.getNodeValue()得到“张三”的值  
29.                 //因为"张三"这个文本节点是name的子节点,所以得调用  
30.                 //eltName.getFirstChild().getNodeValue()来得到"张三"的值  
31.                 System.out.println("name:"+eltName.getFirstChild().getNodeValue());  
32.                 System.out.println("age:"+eltAge.getFirstChild().getNodeValue());  
33.             }  
34.         } catch (ParserConfigurationException e) {  
35.             e.printStackTrace();  
36.         } catch (SAXException e) {  
37.             e.printStackTrace();  
38.         } catch (IOException e) {  
39.             e.printStackTrace();  
40.         }  
41.           
42.     }  
43.   
44. }