使用SAX解析XML

http://blog.sina.com.cn/s/blog_5b8c66750100a9k3.html

一、       前言

 

1． Xml技术简介
Xml文件有两种约束类型，包括文档类型定义（DTD）和Xml模式（Schema）。Xml DTD被包含在xml1的标准里。Xml 模式被包含在W3C的标准中。在xml 数据和xml模式两者之间有很多的区别。
A． xml模式支持的数据类型比xml DTD多；
B． xml模式在无序的情况下使用起来比xml DTD更方便；
C． xml模式支持名字空间，可以在不同的文件中定义相同的方法等。
D． xml模式形成的文档可以被多种标准解析，如dom，sax或者jdom等，而xml DTD方式下确不行。
2． Xml文件解析
在java语言环境里可以使用三种方法解析xml文件：dom（document object model），sax（simple apifor xml）和jdom（java document object model）。
SAX提供了基于事件的方式进行解析，适合于快速，数据量小的解析情况。SAX解析有几个缺陷：A.它的解析是连续的；B.数据无法回朔。
DOM解析不同于SAX。它提供了内存中完整的xml数据映像，数据被存储在树状结构中。DOM解析方式更容易获得和处理数据。
JDOM是java语言中特有的，主要用来支持xpath标准。

 用Java解析XML文档，最常用的有两种方法：使用基于事件的XML简单API（SimpleAPI for XML）称为SAX和基于树和节点的文档对象模型（Document Object Module）称为DOM。Sun公司提供了JavaAPI for XML Parsing（JAXP）接口来使用SAX和DOM，通过JAXP，我们可以使用任何与JAXP兼容的XML解析器。

JAXP接口包含了三个包：

（1）      org.w3c.dom W3C推荐的用于XML标准规划文档对象模型的接口。

（2）      org.xml.sax  用于对XML进行语法分析的事件驱动的XML简单API（SAX）

（3）      javax.xml.parsers解析器工厂工具，程序员获得并配置特殊的特殊语法分析器。

二、       前提

 

 DOM编程不要其它的依赖包，因为JDK里自带的JDK里含有的上面提到的org.w3c.dom、org.xml.sax 和javax.xml.parsers包就可以满意条件了。

三、       使用SAX解析XML文档

 SAX是基于事件的简单API，同样的我们也是用一个最简单的例子来看看SAX是如何解析XML的

先来看看我们要解析的XML代码吧

<?xml version="1.0"encoding="gb2312"?>

<books>

 <bookemail="zhoujunhui">

  <nameaddr="address">rjzjh</name>

  <price>jjjjjj</price>

 </book>

</books>

简单的不能再简单了。但是该有的都有了，根元素、属性、子节点。好了，能反应问题就行了，下面来看看解析这个XML文件的Java代码吧！

1 public class SaxParse{

2    public SaxParse(){

3           SAXParserFactory saxfac=SAXParserFactory.newInstance();

4           try {

5                  SAXParser saxparser=saxfac.newSAXParser();

6                  InputStream is=new FileInputStream("bin/library.xml");

7                  saxparser.parse(is,new MySAXHandler());

8           } catch (ParserConfigurationException e) {

9                  e.printStackTrace();

10          } catch (SAXException e) {

11                 e.printStackTrace();

12          } catch (FileNotFoundException e) {

13                 e.printStackTrace();

14          } catch (IOException e) {

15                 e.printStackTrace();

16          }

17   }

18    publicstatic void main(String[] args) {

19          new SaxParse();

20   }

21 }

这段代码比较短，因为SAX是事件驱动的，它的大部分实现在在另一个Java文件中，先别管另一个文件，我们来一个个地分析吧！

（1）得到SAX解析器的工厂实例

3        SAXParserFactory saxfac=SAXParserFactory.newInstance();

这是一个javax.xml.parsers.SAXParserFactory类的实例

（2）从SAX工厂实例中获得SAX解析器

5         SAXParser saxparser=saxfac.newSAXParser();

使用javax.xml.parsers.SAXParserFactory工厂的newSAXParser()方法

（3）把要解析的XML文档转化为输入流，以便DOM解析器解析它

6               InputStream is=new FileInputStream("bin/library.xml");

InputStream是一个接口。

（4）解析XML文档

7                saxparser.parse(is,new MySAXHandler());

后面就不用看了，都是些没用的代码（相对而言），够简单的吧！

注意了，我们新建了一个实例newMySAXHandler()这个实例里面又有什么东西呢？

这个实例就是SAX的精华所在。我们使用SAX解析器时，必须实现内容处理器ContentHandler接口中的一些回调方法，然而我们不须要全部地实现这些方法，还好，我们有org.xml.sax.helpers.DefaultHandler类，看它的类申明：

public classDefaultHandler

implements EntityResolver,DTDHandler, ContentHandler, ErrorHandler

实现了这么多接口啊，其它的先不管了，至少它实现了ContentHandler这一接口。

好了，看看这个类有些什么吧？下面是它的Java代码！

public class MySAXHandlerextends DefaultHandler {

      boolean hasAttribute=false;

      Attributes attributes=null;

      

      public void startDocument() throws SAXException {

              System.out.println("文档开始打印了");

      }

      

      public void endDocument() throws SAXException {

             System.out.println("文档打印结束了");

      }

      

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

                    Attributes attributes) throws SAXException {

             if(qName.equals("books")){

                    return;

             }

             if(qName.equals("book")){

                    System.out.println(attributes.getQName(0)+attributes.getValue(0));

             }

             if(attributes.getLength()>0){

                    this.attributes=attributes;

                    this.hasAttribute=true;

             }

      }

      

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

                    throws SAXException {

             if(hasAttribute&&(attributes!=null)){

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

                           System.out.println(attributes.getQName(0)+attributes.getValue(0));

                    }

             }

      }

      

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

                    throws SAXException {

             System.out.println(new String(ch,start,length));

      }

 }

不要看它一大堆，我一一分解给大家看。我们说SAX是基于事件的API，我们这个类实到了ContentHandler接口中的如下方法：

（1）startDocument() 用于处理文档解析开始事件

    public void startDocument() throws SAXException {

              System.out.println("文档开始打印了");

       }

（2）endDocument() 用于处理文档解析结束事件

     public void endDocument() throws SAXException {

             System.out.println("文档打印结束了");

       }

（3）startElement 用于处理元素开始事件

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

                    Attributes attributes) throws SAXException {

             if(qName.equals("books")){

                    return;

             }

             if(qName.equals("book")){

                    System.out.println(attributes.getQName(0)+attributes.getValue(0));

             }

             if(attributes.getLength()>0){

                    this.attributes=attributes;

                    this.hasAttribute=true;

             }

      }

第二个参数StringqName表示这个元素的名字，如：

根节点 <books></books> 它的qName为“books”

最底层节点<price>jjjjjj</price>它的qName为“price”

知道这一点上面程序就好解释了，当遇到根元素“books”时就什么也不做跳过，当遇到“book”元素时就打出它的属性（它只有一个属性<bookemail="zhoujunhui"></book>）。

当是其它节点时（这下只剩下最底层的两个节点“name”和“price”了），就把它的属性取出来存到this.attributes域中，以后中元素结束事件好处理。

（4）endElement 用于处理元素结束事件

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

                    throws SAXException {

             if(hasAttribute&&(attributes!=null)){

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

                           System.out.println(attributes.getQName(0)+attributes.getValue(0));

                    }

             }

      }

代码的作用是如果这个元素的属性不为空（hasAttribute&&(attributes!=null)），就把它们打印出来。

（5）characters(char[] ch, int start, intlength) 处理元素字符的内容

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

                    throws SAXException {

             System.out.println(new String(ch,start,length));

      }

我们只用了这么几个事件，其它还有其的的一些事件，我们只要看一下ContentHandler这个接口就行了，如：

（6）startPrefixMapping(String prefix,StringURI)  处理前缀映射开始事件，参数表示前缀名称和所指向的URI

（7）endPrefixMapping(String prefix,StringURI)  处理前缀映射结束事件，参数表示前缀名称和所指向的URI

（8）ignorableWhitespace(Char[] ch,int start,intlength)  处理元素中可忽略的空格

（9）processingInstruction(String target,Stringdata)  处理解析中产生的处理指令事件。

至此SAX解析XML文档的大概介绍完了！