SAX应用之org.xml.sax.ContentHandler

最新推荐文章于 2019-01-17 22:51:04 发布

smile_dyf

最新推荐文章于 2019-01-17 22:51:04 发布

阅读量1.8k

点赞数

分类专栏： XML 文章标签： attributes 文档 string xml null import

XML 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

SAX应用之org.xml.sax.ContentHandler

2007/05/11 10:52

SAX是SIMPLE API FOR XML的缩写，它并不是由W3C官方所提出的标准，可以说是"民间"的事实标准。实际上，它是一种社区性质的讨论产物。虽然如此，在XML中对SAX的应用丝毫不比DOM少，几乎所有的XML解析器都会支持它。
　　与DOM比较而言，SAX是一种轻量型的方法。我们知道，在处理DOM的时候，我们需要读入整个的XML文档，然后在内存中创建DOM树，生成DOM树上的每个NODE对象。当文档比较小的时候，这不会造成什么问题，但是一旦文档大起来，处理DOM就会变得相当费时费力。特别是其对于内存的需求，也将是成倍的增长，以至于在某些应用中使用DOM是一件很不划算的事（比如在APPLET中）。这时候，一个较好的替代解决方法就是SAX。
　　SAX在概念上与DOM完全不同。首先，不同于DOM的文档驱动，它是事件驱动的，也就是说，它并不需要读入整个文档，而文档的读入过程也就是SAX的解析过程。所谓事件驱动，是指一种基于回调（CALLBACK）机制的程序运行方法。（如果你对JAVA新的代理事件模型比较清楚的话，就会很容易理解这种机制了）在XMLREADER接受XML文档，在读入XML文档的过程中就进行解析，也就是说读入文档的过程和解析的过程是同时进行的，这和DOM区别很大。解析开始之前，需要向XMLREADER注册一个CONTENTHANDLER，也就是相当于一个事件监听器，在CONTENTHANDLER中定义了很多方法，比如STARTDOCUMENT()，它定制了当在解析过程中，遇到文档开始时应该处理的事情。当XMLREADER读到合适的内容，就会抛出相应的事件，并把这个事件的处理权代理给CONTENTHANDLER，调用其相应的方法进行响应。
　　这样泛泛的说来或许有些不容易理解，别急，后面的例子会让你明白SAX的解析过程。看看这个简单XML文件：

<POEM>
<AUTHOR>OGDEN NASH</AUTHOR>
<TITLE>FLEAS</TITLE>
<LINE>ADAM</LINE>
</POEM>

　　当XMLREADER读到<POEM>标签时，就会调用CONTENTHANDLER.STARTELEMENT()方法，并把标签名POEM作为参数传递过去。在你实现的STARTELEMENT()方法中需要做相应的动作，以处理当<POEM>出现时应该做的事情。各个事件随着解析的过程（也就是文档读入的过程）一个个顺序的被抛出，相应的方法也会被顺序的调用，最后，当解析完成，方法都被调用后，对文档的处理也就完成了。下面的这个表，列出了在解析上面的那个XML文件的时候，顺序被调用的方法：

　　遇到的项目方法回调

{文档开始} STARTDOCUMENT()
<POEM> STARTELEMENT(NULL,"POEM",NULL,{ATTRIBUTES})
" " CHARACTERS("<POEM> ...", 6, 1)
<AUTHOR> STARTELEMENT(NULL,"AUTHOR",NULL,{ATTRIBUTES})
"OGDEN NASH" CHARACTERS("<POEM> ...", 15, 10)
</AUTHOR> ENDELEMENT(NULL,"AUTHOR",NULL)
" " CHARACTERS("<POEM> ...", 34, 1)
<TITLE> STARTELEMENT(NULL,"TITLE",NULL,{ATTRIBUTES})
"FLEAS" CHARACTERS("<POEM> ...", 42, 5)
</TITLE> ENDELEMENT(NULL,"TITLE",NULL)
" " CHARACTERS("<POEM> ...", 55, 1)
<LINE> STARTELEMENT(NULL,"LINE",NULL,{ATTRIBUTES})
"ADAM" CHARACTERS("<POEM> ...", 62, 4)
</LINE> ENDELEMENT(NULL,"LINE",NULL)
" " CHARACTERS("<POEM> ...", 67, 1)
</POEM> ENDELEMENT(NULL,"POEM",NULL)
{文档结束} ENDDOCUMENT()

　　CONTENTHANDLER实际上是一个接口，当处理特定的XML文件的时候，就需要为其创建一个实现了CONTENTHANDLER的类来处理特定的事件，可以说，这个实际上就是SAX处理XML文件的核心。下面我们来看看定义在其中的一些方法：
　　VOID CHARACTERS(CHAR[] CH, INT START, INT LENGTH)：这个方法用来处理在XML文件中读到字符串，它的参数是一个字符数组，以及读到的这个字符串在这个数组中的起始位置和长度，我们可以很容易的用STRING类的一个构造方法来获得这个字符串的STRING类：STRING CHARENCONTERED=NEW STRING(CH,START,LENGTH)。
　　VOID STARTDOCUMENT()：当遇到文档的开头的时候，调用这个方法，可以在其中做一些预处理的工作。
　　VOID ENDDOCUMENT()：和上面的方法相对应，当文档结束的时候，调用这个方法，可以在其中做一些善后的工作。
　　VOID STARTELEMENT(STRING NAMESPACEURI, STRING LOCALNAME, STRING QNAME, ATTRIBUTES ATTS)：当读到一个开始标签的时候，会触发这个方法。在SAX1.0版本中并不支持名域，而在新的2.0版本中提供了对名域的支持，这儿参数中的NAMESPACEURI就是名域，LOCALNAME是标签名，QNAME是标签的修饰前缀，当没有使用名域的时候，这两个参数都未NULL。而ATTS是这个标签所包含的属性列表。通过ATTS，可以得到所有的属性名和相应的值。要注意的是SAX中一个重要的特点就是它的流式处理，在遇到一个标签的时候，它并不会纪录下以前所碰到的标签，也就是说，在STARTELEMENT()方法中，所有你所知道的信息，就是标签的名字和属性，至于标签的嵌套结构，上层标签的名字，是否有子元属等等其它与结构相关的信息，都是不得而知的，都需要你的程序来完成。这使得SAX在编程处理上没有DOM来得那么方便。
　　VOID ENDELEMENT(STRING NAMESPACEURI, STRING LOCALNAME, STRING QNAME)：这个方法和上面的方法相对应，在遇到结束标签的时候，调用这个方法。
　　我们还是沿用讲DOM的时候使用的那个文档例子，但首先，我们先看一个简单一些的应用，我们希望能够统计一下XML文件中各个标签出现的次数。这个例子很简单，但是足以阐述SAX编程的基本思路了。一开始当然还是IMPORT语句了：

IMPORT ORG.XML.SAX.HELPERS.DEFAULTHANDLER;
IMPORT JAVAX.XML.PARSERS.*;
IMPORT ORG.XML.SAX.*;
IMPORT ORG.XML.SAX.HELPERS.*;
IMPORT JAVA.UTIL.*;
IMPORT JAVA.IO.*;

　　然后，我们创建一个继承于DEFAULTHANDLER的类，具体的程序逻辑在这儿可以暂且放在一边，要注意的是程序的结构：

PUBLIC CLASS SAXCOUNTER EXTENDS DEFAULTHANDLER {
PRIVATE HASHTABLE TAGS; //这个HASHTABLE用来记录TAG出现的次数
// 处理文档前的工作
PUBLIC VOID STARTDOCUMENT() THROWS SAXEXCEPTION {
TAGS = NEW HASHTABLE();//初始化HASHTABLE
}
//对每一个开始元属进行处理
PUBLIC VOID STARTELEMENT(STRING NAMESPACEURI, STRING LOCALNAME,
STRING RAWNAME, ATTRIBUTES ATTS)
THROWS SAXEXCEPTION
{
STRING KEY = LOCALNAME;
……

　　我们来看看这段程序作了些什么。在MAIN()方法中，主要做的就是创建解析器，然后解析文档。实际上，在这儿创建SAXPARSER对象的时候，为了使程序代码于具体的解析器无关，使用了同DOM中一样的设计技巧：通过一个SAXPARSERFACTORY类来创建具体的SAXPARSER对象，这样，当需要使用不同的解析器的时候，要改变的，只是一个环境变量的值，而程序的代码可以保持不变。这就是FACTORYMETHOD模式的思想。在这儿不再具体讲了，如果还有不明白的，可以参看上面DOM中的解释，原理是一样的。
　　不过在这儿还有一点点要注意的地方，就是SAXPARSER类和XMLREADER类之间的关系。你可能有些迷糊了吧，实际上SAXPARSER是JAXP中对XMLREADER的一个封装类，而XMLREADER是定义在SAX2.0种的一个用来解析文档的接口。你可以同样的调用SAXPARSER或者XMLREADER中的PARSER()方法来解析文档，效果是完全一样的。不过在SAXPARSER中的PARSER()方法接受更多的参数，可以对不同的XML文档数据源进行解析，因而使用起来要比XMLREADER要方便一些。
　　这个例子仅仅涉及了SAX的一点皮毛，而下面的这个，可就要高级一些了。下面我们要实现的功能，在DOM的例子中已经有实现了，就是从XML文档中读出内容并格式化输出，虽然程序逻辑看起来还是很简单，但是SAX可不比DOM哦，看着吧。
　　前面说过，当遇到一个开始标签的时候，在STARTELEMENT()方法中，我们并不能够得到这个标签在XML文档中所处的位置。这在处理XML文档的时候是个大麻烦，因为在XML中标签的语义，有一部分是由其所处的位置所决定的。而且在一些需要验证文档结构的程序中，这更是一个问题。当然，没有解决不了的问题了，我们可以使用一个栈来实现对文档结构的纪录。
　　栈的特点是先进先出，我们现在的想法是，在STARTELEMNT()方法中用PUSH将这个标签的名字添加到栈中，在ENDELEMENT()方法中在把它POP出来。我们知道对一个结构良好的XML而言，其嵌套结构是完备的，每一个开始标签总会对应一个结束标签，而且不会出现标签嵌套之间的错位。因而，每一次STARTELEMENT()方法的调用，必然会对应一个ENDELEMENT()方法的调用，这样PUSH和POP也是成对出现的，我们只需要分析栈的结构，就可以很容易的知道当前标签所处在文档结构中的位置了。

PUBLIC CLASS SAXREADER EXTENDS DEFAULTHANDLER {
JAVA.UTIL.STACK TAGS=NEW JAVA.UTIL.STACK();
……

　　在这儿虽然没有使用到栈的分析，但实际上栈的分析是一件很容易的事情，应为JAVA.UTIL.STACK继承了JAVA.UTIL.VECTOR类，而且STACK中的元素是按栈的结构由底至上排列的，因个，我们可以使用VECTOR类的SIZE()方法来得到STACK的元素个数，还可以使用VECTOR的GET(INT)方法来得到具体的每一个元属。实际上，如果把STACK的元素从底向上逐一排列出来，我们就得到了从XML根节点到当前节点的一条唯一的路径，有了这条路径的信息，文档的结构就在清楚不过了。
　　到目前为止，我们已经掌握了对于XML编程的两大利器：DOM和SAX，也知道了该如何在一个JAVA程序中使用它们。DOM编程相对简单，但是速度比较慢，占用内存多，而S AX编程复杂一些，但是速度快，占用内存少。所以，我们应该根据不同的环境选择使用不同的方法。大部分的XML应用基本都可以用它们来解决。需要特别说明的是，DOM和SAX其实都是语言无关的，并非JAVA所独有，也就是说，只要有相应的语言实现，DOM和SAX可以应用在任何面向对象的语言中。