Java and XML_读书笔记_2010-05-16

2010-05-16

三、解析XML文档

l  Xerces解析器、SAX类和接口

l  SAX阅读器

n  首先要得到一个符合SAX org.xml.sax.XMLReader接口规范的例子，这个接口定义了解析行为并允许设置某些特征和属性。该接口替换了SAX1.0中的org.xml.sax.Parser

import org.apache.xerces.parsers.SAXParser;
import org.xml.sax.XMLReader;
XMLReader parser = new SAXParser();
parser.parse(uri);

n  当一个解析器调入并准备就绪后，它就可以对文档进行解析了，通常由parse()方法的org.xml.sax.XMLReader来处理一个org.xml.sax.InputSource或者一个URI串。

n  内容管理器：在解析进行时，为使应用程序有效地处理XML数据，必须用SAX解析器登记管理器（handler）。管理器是一组SAX定义的回调，它能在文档解析过程中给重要的事件插入相应的应用程序代码。这些事件与文档解析同时进行。SAX成为一个强大接口的原因之一：不需要在起始时就将全部文档读入内存，二十可以对其进行连续处理。

n  SAX2.0定义了四个核心的管理器接口：org.xml.sax.ContentHandler、org.xml.sax.ErrorHandler、org.xml.sax.DTDHandler、org.xml.sax.EntityResolver。解析过程中，执行特定动作的定制应用类支持所有接口，这些执行类可以用SetContentHandler()、setDTDHandler()和setEntityResolver()的方法在解析器上注册。

u  文档定位器：org.xml.sax.Locator当某回调事件出现时，完成处理的类必须从SAX解析器的XML文档中找到相应的位置。

u  文档的开头和结尾：startDocument()和endDocument()
startDocument()在任何其他回调之前被调用
endDocument()经常是在所有管理器中最后被调用的放，若不可恢复性错误发生，则ErrorHandler回调方法将被唤醒，同时去调用endDocument()结束此解析过程。
这两个回调方法都会抛出SAXException，这也是SAX事件会抛出异常的唯一方式

u  处理指令：SAX定义了特殊的回调来处理指令。这中方法接受处理指令的目标和那些传递给处理指令的所有数据。

u  名字空间的回调：有两种SAX回调函数专门用于处理名字空间（尽管元素回调也使用它们）。当解析器到底前缀映像（prefix mapping）的开头和结尾时，它们被唤醒
startPrefixMapping()回调给出与URI相关的名字空间前缀。前缀映像回调在声明名字空间的元素回调之前立即发生。
endPrefixMapping()回调在声明映像的元素的结束标签之后立即出现

u  元素的回调：事实上超过半数的SAX回调与XML元素属性和数据无任何联系。还有一些SAX回调提供数据的三个基本事件（元素的开始、结束和characters()回调）。此回调的参数为元素的名字（以变量的形式）和一个org.xml.sax.Attributes请求辅助类保留元素中所有属性的指针。Attributes接口可作为元素属性信息的一个广泛的结合来使用。//XML并未要求XML解析器保持属性的顺序

u  元素数据：元素中的文本数据通过characters()回调传递给转换程序的应用程序。这种方法给转换的应用程序提供字符数组，也使开头和结束索引从中读取有关的数据
伪递归（pseudo recursion）：元素之间的嵌套导致了回调之间的“嵌套”
这种方法经常导致非常多的混乱，因为SAX接口和标准并未直接定义这个回调如何处理大段的字符数据。characters()方法经常会报告空白，要用到另一个报告空白的SAX回调，ignorableWhitespace()。

u  在书写SAX事件管理器时，牢记一个层次的概念。也就是说，不能习惯地认为所有元素都有他们各自的数据和子元素，他们只是作为一个父类而已。还必须牢记，当解析器碰到元素、属性和数据时，他们逐个进行处理，可能会产生一些意外结果。SAX并不做任何预先阅读工作。如果你把XML文档是为一致性数据，请不要做任何认为假设。

u  被忽略的实体：skippedEntity(String name)当实体被未验证解析器忽略时，SAX2.0发出调用来讲该实体忽略。所有的已有的的解析器都不会忽略实体。

u  最后用XMLReader给管理器注册。将由setContentHandler()完成，采用ContentHandler作为其唯一的参数。

n  错误管理器：SAX提供一个能应付解析过程中产生多种ErroHandler接口只定义了三种回调方法error()、fatalError()、warning()。每个方法从SAXParseException接收出错信息或错误警告信息。每一个错误管理器所接受的都是异常。可以是一个警告，但不会引起解析进程中止，也不会引起一个需解决才能继续解析下去的错误。然而，该回调仍需要执行系统I/O或另一个动作来抛出异常，还必须从应用链中激发。它可通过SAXException()方法来陷入异常。

u  创建一个类，来实现由SAX定义的ErrorHandler接口。为使用传统的错误管理器，需要用SAX解析器注册此错误管理器。由XMLReader接口的setErrorHandler()方法完成。

u  警告：警告语DTD和文档的合法性联系在一起，以后详解。

u  非致命性错误：指解析过程中发生的、可恢复的并且违反了XML规范的错误。
大部分非致命性错误与有效性有关联，以后详解。

u  致命错误：指迫使解析器中止的错误，他们一般与非良构文档有关，导致下面的解析要么是浪费时间，要么在技术性根本不需要。当致命性错误出现时，错误管理器应总能向你或程序管理员报告；在没有干涉的情况下，这些可导致应用程序突然停止。

n  加载解析器的更佳途径

u  原：import org.apache.xerces.parsers.SAXParser;
    import org.xml.sax.XMLReader;
    XMLReader parser = new SAXParser();

u  改： Properties prop = new Properties();

           InputStream inStream =        SAXParserDemo.class.getClassLoader().getResourceAsStream("SaxParser.properties");
            prop.load(inStream);
            XMLReader parser = XMLReaderFactory.createXMLReader(prop.getProperty("SAXParserClassName"));
************SAXParser.propertes************
SAXParserClassName= org.apache.xerces.parsers.SAXParser

四、约束文档

l  DTD的工作是定义数据如何被格式化。它必须定义XML文档所允许的每个元素、每个属性以及每个元素可能接受的属性值、每个元素的嵌套和时间以及任何可能的外部实体。

n  DTD中指定元素<!ELEMENT [Element Name] [Element Definition /Type]>

u  元素名字要么是名字本身，要么是名字空间前缀和元素名字的组合

u  [Element Definition /Type] 是DTD中最有用的部分。不论它是纯数据还是含数据和其他元素的复合类型，它都可以通过给定元素的类型，允许在元素中定义数据。

u  嵌套的元素<!ELEMENT [Element Name] （[Nested Element] [,Nested Element] ……）>
被逗号分开的委员圆括号之间的元素列表时一个元素类型。元素的顺序用来强制性约束XML文档中的元素顺序

u  被解析的数据：文本数据使用的元素类型是#PCDATA。这个关键字表示被解析的字符数据，可用于那些包含文本数据的元素，并且限制元素只能使用文本数据，元素嵌套被禁用

u  空元素：关键字EMPTY约束某元素总为空

u  实体引用（entity reference）
<!ENTITY [Element Name] “[Replacement Characters/Identifiers]”>
<!ENTITY [ENTITY Reference] SYSTEM “[URI]”>
URI可以指向本地文件，也可以是网络资源

u  进一步说明：对元素的最一般的修改操作是一个重现操作符（recurrence operator）。
操作符       |    描述
—— —— —— —— —— —— ——
[Default]   |    必须出现一次
?               |    必须出现一次或者根本不出现
+               |    必须至少出现一次
*               |    可以出现任何次数，或者根本不出现
每个操作符都被追加在元素的尾部

u  分组（grouping）
<!ELEMENT GroupingExample ((Group1El1,Group1EL2),(Group2El1,Group2El2))>

u  or函数：DTD通常提供or函数。用管道操作符来标识or函数
<!ELEMENT AggregateElement (#PCDATA|(Element1,Element2)*)>这样也是有效地，但不鼓励使用这种类型约束。一个元素应该有明确地包含文本数据、被解析的数据，或者其他元素。

n  定义属性：某个属性的出现是否被要求是通过一个关键字指定的。
<!ATTLIST [Enclosing Element]
              [Attribute Name] [Type] [modifier]
               ……………………………
>通过创建占位符实现属性的添加。DTD要尽可能的自称文档（self-documenting）

u  属性类型：对于许多属性而言，属性值可以是文本数据。关键字CDATA表示这种类型，以代表自负数据。同时在XML文档中使用这个关键字表示escape字符数据
属性的下一个类型是枚举类型，如focus属性(Java | XML)

u  modifier：#IMPLIED、#REQUIRED、#FIXED（未指定状态、必须指定、不能修改）
<!ATTLIST [Element Name]
              [Attribute Name] #FIXED [Fixed Value]
               ……………………………
>