XML——流机制解析器

【0】README

0.1） 本文文字描述转自 core java volume 2 ， 旨在理解 XML——流机制解析器 的基础知识 ；
0.2） for detailed StAX, please visit http://blog.csdn.net/pacosonswjtu/article/details/50569728

---

【1】XML——流机制解析器概述

1）problem+solution

• 1.1）problem： 如果文档很大，并且处理算法简单，可以在运行时解析节点， 而不必看到完整的树型结构， 那么DOM 解析器的执行效率就低下 了；
• 1.2）solution： 在这种case 下， 我们应该使用流机制解析器；（干货——引入流机制解析器的原因）

2）java 提供的流机制解析器： SAX解析器和添加到Java 6 中的更现代化的 StAX 解析器。 SAX解析器使用的是事件回调， 而StAX解析器提供了解析事件的迭代器；（干货——java提供了SAX流机制解析器+StAX 解析器）

---

【2】使用SAX解析器 （干货——DOM解析器是基于SAX解析器的）

1）SAX解析器在解析XML 输入的组成部分时会报告事件， 但不会以任何方式存储文档，而是由事件处理器建立相应的数据结构； （干货——SAX解析器在解析XML 输入的组成部分时会报告事件，即SAX解析器是基于事件的）
2）在使用SAX 解析器时，需要一个处理器来为不同的解析器事件定义事件动作，ContentHandler接口定义了若干个在解析文档时解析器会调用的回调方法。 下面是最重要的几个：

• 2.1）startElement 和 endElement： 在每当遇到起始或终止标签时调用；
• 2.2）characters ：在每当遇到字符数据事件调用；
• 2.3）startDocument 和 endDocument：分别在文档开始和结束时各调用一次；

３）看个荔枝：解析以下片段时，

<font>
    <name>a</name>
    <size units="pt">36</size>
</font>

• 3.1）解析器会产生以下调用：

  • step1）startElement， 元素名： font
  • step2）startElement， 元素名： name
  • step3）characters， 内容： a
  • step4）endElement， 元素名： name
  • step5）startElement， 元素名：size，属性：units=“pt”
  • step6）characters， 内容： 36
  • step7）endElement， 元素名： size
  • step8）endElement， 元素名： font

• 3.2）处理器必须覆盖以上方法， 让它们执行在解析文件时想要执行的动作；

Attention）

• A1） HTML不是合法的XML， 大多数 HTML 页面都与良构的XML差别很大， 以至于示例程序无法解析它们；
• A2）但是，W3C 编写的大部分页面都是用 XHTML编写的， XHTML 是一种 HTML方言，又是良构的XML； （干货——HTML不是合法的XML，而 XHTML 是一种 HTML方言，又是良构的XML）

4）代码分析：

• 4.1）下面是如何得到SAX 解析器的代码： （干货——如何创建SAX解析器）

SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser saxParser = factory.newSAXParser();

• 4.2）现在可以处理文档了：

InputStream in = new URL(url).openStream();
      saxParser.parse(in, handler);

• 4.3）这里的source 可以是一个文件， 一个URL 字符串或者是一个输入流。Handler 属于 DefaultHandler 的一个子类， DefaultHandler 类为以下四个接口定义了空的方法：

DefaultHandler handler = new DefaultHandler()
         {
            public void startElement(String namespaceURI, String lname, String qname,
                  Attributes attrs)
            {
               if (lname.equals("a") && attrs != null)
               {
                  for (int i = 0; i < attrs.getLength(); i++)
                  {
                     String aname = attrs.getLocalName(i);
                     if (aname.equals("href")) System.out.println(attrs.getValue(i));
                  }
               }
            }
         };

• 4.4）startElement 方法有3个描述元素名的参数： 其中 qname 参数以 prefix：localname的形式报告限定名； 如果命名空间处理特性已经打开， 那么 namespaceURI 和 lname 参数描述的就是 命名空间和 本地名（非限定）。
• 4.5）与DOM解析器一样， 命名空间处理特性默认是关闭 的， 可以调用工厂类的 setNamespaceAware 方法来激活命名空间处理特性：

      SAXParserFactory factory = SAXParserFactory.newInstance();
      factory.setNamespaceAware(true);
      SAXParser saxParser = factory.newSAXParser();

• 4.6）我们还处理了另外一个常见的问题： （干货——如果你不需要验证文件， 只需调用factory.setFeature方法）
  
  • XHTML 文件总是以一个包含对 DTD 引用的标签开头， 解析器将加载这个 DTD。 可以理解的是， W3C 肯定不乐意对诸如www.w3.org/TR/xhtml/DTD/xhtml-strict.dtd 这样的文件提供千万亿次的下载。总有一天，他们会完全拒绝提供这些文件， 至今，它们还在并不情愿地提供DTD下载。如果你不需要验证文件， 只需调用： factory.setFeature(“http://apache.org/xml/features/nonvalidating/load-external-dtd“, false);