Java的xml解析器库有很多,总的来说,万变不离其宗的就是SAX和DOM解析器。
SAX的包是org.xml.sax
DOM的包是org.w3c.dom
1) DOM
DOM 是用与平台和语言无关的方式表示 XML 文档的官方 W3C 标准。DOM 是以层次结构组织的节点或信息片断的集合。这个层次结构允许开发人员在树中寻找特定信息。分析该结构通常需要加载整个文档和构造层次结构,然后才能做任何工作。由于它是基于信息层次的,因而 DOM 被认为是基于树或基于对象的。DOM 以及广义的基于树的处理具有几个优点。首先,由于树在内存中是持久的,因此可以修改它以便应用程序能对数据和结构作出更改。它还可以在任何时候在树中上下导航,而不是像 SAX 那样是一次性的处理。DOM 使用起来也要简单得多。
另一方面,对于特别大的文档,解析和加载整个文档可能很慢且很耗资源,因此使用其他手段来处理这样的数据会更好。这些基于事件的模型,比如 SAX。
2) SAX
这种处理的优点非常类似于流媒体的优点。分析能够立即开始,而不是等待所有的数据被处理。而且,由于应用程序只是在读取数据时检查数据,因此不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。事实上,应用程序甚至不必解析整个文档;它可以在某个条件得到满足时停止解析。一般来说,SAX 还比它的替代者 DOM 快许多。
3) 选择 DOM 还是选择 SAX ?
对于需要自己编写代码来处理 XML 文档的开发人员来说,选择 DOM 还是 SAX 解析模型是一个非常重要的设计决策。
DOM 采用建立树形结构的方式访问 XML 文档,而 SAX 采用的事件模型。
DOM 解析器把 XML 文档转化为一个包含其内容的树,并可以对树进行遍历。用 DOM 解析模型的优点是编程容易,开发人员只需要调用建树的指令,然后利用navigationAPIs访问所需的树节点来完成任务。可以很容易的添加和修改树中的元素。然而由于使用 DOM 解析器的时候需要处理整个 XML 文档,所以对性能和内存的要求比较高,尤其是遇到很大的 XML 文件的时候。由于它的遍历能力,DOM 解析器常用于 XML 文档需要频繁的改变的服务中。
SAX 解析器采用了基于事件的模型,它在解析 XML 文档的时候可以触发一系列的事件,当发现给定的tag的时候,它可以激活一个回调方法,告诉该方法制定的标签已经找到。SAX 对内存的要求通常会比较低,因为它让开发人员自己来决定所要处理的tag。特别是当开发人员只需要处理文档中所包含的部分数据时,SAX 这种扩展能力得到了更好的体现。但用 SAX 解析器的时候编码工作会比较困难,而且很难同时访问同一个文档中的多处不同数据。
个人总结
*******************
DOM:
解析器读入整个文档,然后构建一个驻留内存的树结构,然后代码就可以使用 DOM 接口来操作这个树结构。
优点:整个文档树在内存中,便于操作;支持删除、修改、重新排列等多种功能;
缺点:将整个文档调入内存(包括无用的节点),浪费时间和空间;
使用场合:一旦解析了文档还需多次访问这些数据;硬件资源充足(内存、CPU)
SAX:
事件驱动。当解析器发现元素开始、元素结束、文本、文档的开始或结束等时,发送事件,程序员编写响应这些事件的代码,保存数据。
优点:不用事先调入整个文档,占用资源少
缺点:不是持久的;事件过后,若没保存数据,那么数据就丢了;无状态性;从事件中只能得到文本,但不知该文本属于哪个元素;
使用场合:只需XML文档的少量内容,很少回头访问;一次性读取;机器内存少;
注意:SAX 解析器不创建任何对象。
***********************
DOM和SAX的使用例子 (http://sinye.javaeye.com/blog/763926 / http://www.javaeye.com/topic/763895)
Xml文件内容
1. <?xml version="1.0" encoding="UTF-8"?>
2. <books>
3. <book id="12">
4. <name>thinking in java</name>
5. <price>85.5</price>
6. </book>
7. <book id="15">
8. <name>Spring in Action</name>
9. <price>39.0</price>
10. </book>
11. </books>
Book.java如下:主要是用来组装数据
1. public class Book {
2. private int id;
3. private String name;
4. private float price;
5.
6. public int getId() {
7. return id;
8. }
9.
10. public void setId(int id) {
11. this.id = id;
12. }
13.
14. public String getName() {
15. return name;
16. }
17.
18. public void setName(String name) {
19. this.name = name;
20. }
21.
22. public float getPrice() {
23. return price;
24. }
25.
26. public void setPrice(float price) {
27. this.price = price;
28. }
29.
30. @Override
31. public String toString(){
32. return this.id+":"+this.name+":"+this.price;
33. }
34. }
1. Dom解析是将xml文件全部载入,组装成一颗dom树,然后通过节点以及节点之间的关系来解析xml文件,结合一张图来发现dom解析时需要注意的地方
在这里当我们得到节点book时,也就是图中1所画的地方,如果我们调用它的getChildNodes()方法,大家猜猜它的子节点有几个?不包括它的孙子节点,thinkingin java这种的除外,因为它是孙子节点。它总共有5个子节点,分别是图中2、3、4、5、6所示的那样。所以在解析时,一定要小心,不要忽略空白的地方。
然后看代码来解析book.xml文件 DomParseService.java
1. import java.io.InputStream;
2. import java.util.ArrayList;
3. import java.util.List;
4.
5. import javax.xml.parsers.DocumentBuilder;
6. import javax.xml.parsers.DocumentBuilderFactory;
7.
8. import org.w3c.dom.Document;
9. import org.w3c.dom.Element;
10. import org.w3c.dom.NodeList;
11. import org.w3c.dom.Node;
12.
13. import com.xtlh.cn.entity.Book;
14.
15. public class DomParseService {
16. public List<Book> getBooks(InputStream inputStream) throws Exception{
17. List<Book> list = new ArrayList<Book>();
18. DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
19. DocumentBuilder builder = factory.newDocumentBuilder();
20. Document document = builder.parse(inputStream);
21. Element element = document.getDocumentElement();
22.
23. NodeList bookNodes = element.getElementsByTagName("book");
24. for(int i=0;i<bookNodes.getLength();i++){
25. Element bookElement = (Element) bookNodes.item(i);
26. Book book = new Book();
27. book.setId(Integer.parseInt(bookElement.getAttribute("id")));
28. NodeList childNodes = bookElement.getChildNodes();
29. // System.out.println("*****"+childNodes.getLength());
30. for(int j=0;j<childNodes.getLength();j++){
31. if(childNodes.item(j).getNodeType()==Node.ELEMENT_NODE){
32. if("name".equals(childNodes.item(j).getNodeName())){
33. book.setName(childNodes.item(j).getFirstChild().getNodeValue());
34. }else if("price".equals(childNodes.item(j).getNodeName())){
35. book.setPrice(Float.parseFloat(childNodes.item(j).getFirstChild().getNodeValue()));
36. }
37. }
38. }//end for j
39. list.add(book);
40. }//end for i
41. return list;
42. }
43. }
测试使用单元测试如下ParseTest.java
1. public class ParseTest extends TestCase{
2.
3. public void testDom() throws Exception{
4. InputStream input = this.getClass().getClassLoader().getResourceAsStream("book.xml");
5. DomParseService dom = new DomParseService();
6. List<Book> books = dom.getBooks(input);
7. for(Book book : books){
8. System.out.println(book.toString());
9. }
10. }
11. }
2. Sax解析是按照xml文件的顺序一步一步的来解析,在解析xml文件之前,我们要先了解xml文件的节点的种类,一种是ElementNode,一种是TextNode。
其中,像<books>、<book>这种节点就属于ElementNode,而thinking in java、85.5这种就属于TextNode。
下面结合一张图来详细讲解Sax解析。
xml文件被Sax解析器载入,由于Sax解析是按照xml文件的顺序来解析,当读入<?xml.....>时,会调用startDocument()方法,当读入<books>的时候,由于它是个ElementNode,所以会调用startElement(String uri, String localName, String qName, Attributesattributes) 方法,其中第二个参数就是节点的名称,注意:由于有些环境不一样,有时候第二个参数有可能为空,所以可以使用第三个参数,因此在解析前,先调用一下看哪个参数能用,第4个参数是这个节点的属性。这里我们不需要这个节点,所以从<book>这个节点开始,也就是图中1的位置,当读入时,调用startElement(....)方法,由于只有一个属性id,可以通过attributes.getValue(0)来得到,然后在图中标明2的地方会调用characters(char[] ch, int start, intlength)方法,不要以为那里是空白,Sax解析器可不那么认为,Sax解析器会把它认为是一个TextNode。但是这个空白不是我们想要的数据,我们是想要<name>节点下的文本信息。这就要定义一个记录当上一节点的名称的TAG,在characters(.....)方法中,判断当前节点是不是name,是再取值,才能取到thinking in java。具体见代码:SaxParseService.java
1. import java.io.InputStream;
2. import java.util.ArrayList;
3. import java.util.List;
4.
5. import javax.xml.parsers.SAXParser;
6. import javax.xml.parsers.SAXParserFactory;
7.
8. import org.xml.sax.Attributes;
9. import org.xml.sax.SAXException;
10. import org.xml.sax.helpers.DefaultHandler;
11.
12. import com.xtlh.cn.entity.Book;
13.
14. public class SaxParseService extends DefaultHandler{
15. private List<Book> books = null;
16. private Book book = null;
17. private String preTag = null;//作用是记录解析时的上一个节点名称
18.
19. public List<Book> getBooks(InputStream xmlStream) throws Exception{
20. SAXParserFactory factory = SAXParserFactory.newInstance();
21. SAXParser parser = factory.newSAXParser();
22. SaxParseService handler = new SaxParseService();
23. parser.parse(xmlStream, handler);
24. return handler.getBooks();
25. }
26.
27. public List<Book> getBooks(){
28. return books;
29. }
30.
31. @Override
32. public void startDocument() throws SAXException {
33. books = new ArrayList<Book>();
34. }
35.
36. @Override
37. public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
38. if("book".equals(qName)){
39. book = new Book();
40. book.setId(Integer.parseInt(attributes.getValue(0)));
41. }
42. preTag = qName;//将正在解析的节点名称赋给preTag
43. }
44.
45. @Override
46. public void endElement(String uri, String localName, String qName)
47. throws SAXException {
48. if("book".equals(qName)){
49. books.add(book);
50. book = null;
51. }
52. preTag = null;/**当解析结束时置为空。这里很重要,例如,当图中画3的位置结束后,会调用这个方法
53. ,如果这里不把preTag置为null,根据startElement(....)方法,preTag的值还是book,当文档顺序读到图
54. 中标记4的位置时,会执行characters(char[] ch, int start, int length)这个方法,而characters(....)方
55. 法判断preTag!=null,会执行if判断的代码,这样就会把空值赋值给book,这不是我们想要的。*/
56. }
57.
58. @Override
59. public void characters(char[] ch, int start, int length) throws SAXException {
60. if(preTag!=null){
61. String content = new String(ch,start,length);
62. if("name".equals(preTag)){
63. book.setName(content);
64. }else if("price".equals(preTag)){
65. book.setPrice(Float.parseFloat(content));
66. }
67. }
68. }
69.
70. }
测试是用的单元测试,测试代码如下:ParseTest
1. import java.io.InputStream;
2. import java.util.List;
3.
4. import junit.framework.TestCase;
5.
6. import com.xtlh.cn.demo.DomParseService;
7. import com.xtlh.cn.demo.SaxParseService;
8. import com.xtlh.cn.entity.Book;
9.
10. public class ParseTest extends TestCase{
11.
12. public void testSAX() throws Throwable{
13. SaxParseService sax = new SaxParseService();
14. InputStream input = this.getClass().getClassLoader().getResourceAsStream("book.xml");
15. List<Book> books = sax.getBooks(input);
16. for(Book book : books){
17. System.out.println(book.toString());
18. }
19. }
20. }
在用Sax解析的时候最需要重视的一点就是不要把那些<节点>之间的空白忽略就好!