XML解析

XML解析

XML 文档的应用范围主要有存储数据、系统配置和数据交换。也就是说，我们需要编写程序读取 XML 文档中的数据，或将数据写入 XML 文档。目前最常用的 XML 解析技术有 DOM 和 SAX。JDK 提供了 JAXP 来使用 DOM 和 SAX，其中 org.w3c.dom 是 W3C 推荐的用于使用 DOM 解析 XML 文档的接口，org.xml.sax 是使用 SAX 解析 XML 文档的接口，javax.xml.parsers 提供处理 XML 文档的类，支持 DOM 和 SAX。

DOM解析

DOM（Document Object Model）是 XML 文档的应用程序接口，它定义了对 XML 文档进行随机访问与操作的方法。DOM 是一个与语言无关、与平台无关的标准接口规范。利用 DOM，可以动态地创建 XML 文档，遍历文档结构，添加、修改、删除文档内容，改变文档的显示方式等。可以这样说，文档代表的是数据，而 DOM 则代表了如何去处理这些数据。

DOM 把一个 XML 文档映射成一个分层对象模型，而这个层次的结构，是一棵根据 XML 文档生成的节点树。DOM 在对 XML 文档进行分析之后，不管这个文档有多简单或多复杂，其中的信息都会被转化成一棵对象节点树。在这棵节点树中，有一个根节点，其他所有的节点都是根节点的子节点。节点树生成之后，就可以通过 DOM 接口访问、修改、添加、删除树中的节点或内容了。

使用 DOM 解析 XML，需要经过以下几个步骤：

1. 创建解析器工厂，即 DocumentBuilderFactory 对象。
2. 通过解析器工厂获得 DOM 解析器，即 DocumentBuilder 对象。
3. 解析指定 XML 文档，得到 DOM 节点树。
4. 对 DOM 节点树进行操作，完成对 XML 文档的增、删、改、查。

Node接口

Node 接口在整个 DOM 树中具有举足轻重的地位，DOM 接口中有很大一部分接口是从 Node 接口继承过来的，例如 Document（根节点）、Element（元素）、Attr（属性）、Comment（注释）、Text（元素或属性的文本内容）等接口都是从 Node 继承过来的。在 DOM 树中，Node 接口代表了树中的一个节点。Node 接口的常用方法如下。

• NodeList getChildNodes()：返回此节点的所有子节点的 NodeList。
• Node getFirstChild()：返回此节点的第一个子节点。
• Node getLastChild()：返回此节点的最后一个子节点。
• Node getNextSibling()：返回此节点之后的节点。
• Node getPreviousSibling()：返回此节点之前的节点。
• Document getOwnerDocument()：返回与此节点相关的 Document 对象。
• Node getParentNode()：返回此节点的父节点。
• short getNodeType()：返回此节点的类型。
• String getNodeName()：根据此节点类型，返回节点名称。
• String getNodeValue()：根据此节点类型，返回节点值。

前面已经提到，DOM 中很多接口都是从 Node 接口继承的，所以 Node 接口拥有的方法这些接口都可以使用。

但是这些从 Node 接口继承下来的接口又都各有特性，所以 Node 接口拥有的方法在各个子接口上的返回值含义不尽相同。

例如，Element（元素接口）的 getNodeType() 的返回值为 Node.ELEMENT_NODE 常量，getNodeName() 的返回值为标签名称，getNodeValue() 的返回值为 null。

下表列出了 nodeName、 nodeValue 和 attributes 的值将根据接口类型的不同而不同。

Interface	nodeName	nodeValue	attributes
Attr	与 Attr.name 相同	与 Attr.value 相同	null
CDATASection	“#cdata-section”	与 CharacterData.data 相同：CDATA 节的内容	null
Comment	“#comment”	与 CharacterData.data 相同： 该注释的内容	null
Document	“#document”	null	null
DocumentFragment	“#document-fragment”	null	null
DocumentType	与 DocumentType.name 相同	null	null
Element	与 Element.tagName 相同	null	NamedNodeMap
Entity	entity name	null	null
EntityReference	引用的实体名称	null	null
Notation	notation name	null	null
ProcessingInstruction	与 ProcessingInstruction.target 相同	与 ProcessingInstruction.data 相同	null
Text	“#text”	与 CharacterData.data 相同： 该文本节点的内容	null

• String getTextContent()：返回此节点的文本内容。
• void setNodeValue(String nodeValue)：根据此节点类型，设置节点值。
• void setTextContent(String textContent)：设置此节点的文本内容。
• Node appendChild(Node newChild)：将节点 newChild 添加到此节点的子节点列表的末尾。
• Node insertBefore(Node newChild,Node refChild)：在现有子节点 refChild 之前插入节点 newChild。
• Node removeChild(Node oldChild)：从子节点列表中移除 oldChild 所指示的子节点，并将其返回。
• Node replaceChild(Node newChild, oldChild)：将子节点列表中的子节点 oldChild 替换为 newChild，并返回 oldChild 节点。

Document接口

Document 接口表示 DOM 树中的根节点，即对 XML 文档进行操作的入口节点。通过 Document 节点，可以访问到文档中的其他节点。

Document 接口的常用方法如下：

• Element getDocumentElement()：返回代表这个 DOM 树根节点的 Element 对象。

• NodeList getElementsByTagName(String tagname)：按文档顺序返回包含在文档中且具有给定标记名称的所有 Element 的 NodeList。

  NodeList 接口

NodeList 接口提供了对节点集合的抽象定义，包含了一个或多个节点（Node）的有序集合。NodeList 接口的常用方法如下。

• int getLength()：返回有序集合中的节点数。
• Node item(int index)：返回有序集合中的第 index 个项。

SAX解析

相比于 DOM，SAX（Simple API for XML）是一种速度更快、更有效的解析 XML 文档的方法。它不需要一次性建立一个完整的 DOM 树，而是读取文档时激活事件进行处理。

DOM 是 W3C 标准，提供的是标准的解析方式，但其解析效率一直不尽如人意。这是因为 DOM 解析 XML 文档时，把所有内容一次性装载入内存，并构建一个驻留在内存中的节点树。如果需要解析的 XML 文档过大，或者只对该文档中的一部分内容感兴趣，这种做法就会引起性能问题。

SAX 既是一个接口，也是一个软件包。SAX 在解析 XML 时是事件驱动型的，它的工作原理简单地说就是对文档进行顺序扫描，当扫描到文档开始与结束、元素开始与结束等地方时通知事件处理程序，由事件处理程序做相应动作，然后继续同样的扫描，直至文档结束。SAX 的缺点也很明显，要用 SAX 对 XML 文档进行解析时，就要实现多个事件处理程序，用来处理可能触发的事件，对程序员而言操作起来相对复杂。