Dom4j解析XML文档

来源：http://xhy0422.iteye.com/blog/50235

Dom4j是一个易用的、开源的库，用于XML，XPath和XSLT。它应用于Java平台，采用了Java集合框架并完全支持DOM，SAX和JAXP。

DOM4J使用起来非常简单。只要你了解基本的XML-DOM模型，就能使用。然而他自己带的指南只有短短一页（html），不过说的到挺全。国内的中文资料很少。因而俺写这个短小的教程方便大家使用，这篇文章仅谈及基本的用法，如需深入的使用，请……自己摸索或查找别的资料。

之前看过IBM developer社区的文章（参见附录），提到一些XML解析包的性能比较，其中DOM4J的性能非常出色，在多项测试中名列前茅。（事实上DOM4J的官方文档中也引用了这个比较）所以这次的项目中我采用了DOM4J作为XML解析工具。

在国内比较流行的是使用JDOM作为解析器，两者各擅其长，但DOM4J最大的特色是使用大量的接口，这也是它被认为比JDOM灵活的主要原因。大师不是说过么，“面向接口编程”。目前使用DOM4J的已经越来越多。如果你善于使用JDOM，不妨继续用下去，只看看本篇文章作为了解与比较，如果你正要采用一种解析器，不如就用DOM4J吧。

它的主要接口都在org.dom4j这个包里定义：

Attribute	Attribute定义了XML的属性
Branch	Branch为能够包含子节点的节点如XML元素(Element)和文档(Docuemnts)定义了一个公共的行为，
CDATA	CDATA 定义了XML CDATA 区域
CharacterData	CharacterData是一个标识借口，标识基于字符的节点。如CDATA，Comment, Text.
Comment	Comment 定义了XML注释的行为
Document	定义了XML文档
DocumentType	DocumentType 定义XML DOCTYPE声明
Element	Element定义XML 元素
ElementHandler	ElementHandler定义了 Element 对象的处理器
ElementPath	被 ElementHandler 使用，用于取得当前正在处理的路径层次信息
Entity	Entity定义 XML entity
Node	Node为所有的dom4j中XML节点定义了多态行为
NodeFilter	NodeFilter 定义了在dom4j节点中产生的一个滤镜或谓词的行为（predicate）
ProcessingInstruction	ProcessingInstruction 定义 XML 处理指令.
Text	Text 定义XML 文本节点.
Visitor	Visitor 用于实现Visitor模式.
XPath	XPath 在分析一个字符串后会提供一个XPath 表达式

看名字大致就知道它们的涵义如何了。

要想弄懂这套接口，关键的是要明白接口的继承关系：

• interface java.lang.Cloneable
  • interface org.dom4j.Node

• interface org.dom4j.Attribute
• interface org.dom4j.Branch

• • interface org.dom4j.Document
  • interface org.dom4j.Element
• interface org.dom4j.CharacterData
  • interface org.dom4j.CDATA
  • interface org.dom4j.Comment
  • interface org.dom4j.Text
• interface org.dom4j.DocumentType
• interface org.dom4j.Entity
• interface org.dom4j.ProcessingInstruction

一目了然，很多事情都清楚了。大部分都是由Node继承来的。知道这些关系，将来写程序就不会出现ClassCastException了。

下面给出一些例子（部分摘自DOM4J自带的文档），简单说一下如何使用。

１．              读取并解析XML文档：

读写XML文档主要依赖于org.dom4j.io包，其中提供 DOMReader和SAXReader两类不同方式，而调用方式是一样的。这就是依靠接口的好处。

// 从文件读取XML，输入文件名，返回XML文档      public Document read(String fileName)  throws MalformedURLException, DocumentException {        SAXReader reader =  new SAXReader();        Document document = reader.read( new File(fileName));         return document;     }

其中，reader的read方法是重载的，可以从InputStream, File, Url等多种不同的源来读取。得到的Document对象就带表了整个XML。

根据本人自己的经验，读取的字符编码是按照XML文件头定义的编码来转换。如果遇到乱码问题，注意要把各处的编码名称保持一致即可。

２．    取得Root节点

读取后的第二步，就是得到Root节点。熟悉XML的人都知道，一切XML分析都是从Root元素开始的。

public Element getRootElement(Document doc){         return doc.getRootElement();     }

３．    遍历XML树

DOM4J提供至少3种遍历节点的方法：

1) 枚举(Iterator)

// 枚举所有子节点     for ( Iterator i = root.elementIterator(); i.hasNext(); ) {        Element element = (Element) i.next();        // do something     }     // 枚举名称为foo的节点     for ( Iterator i = root.elementIterator(foo); i.hasNext();) {        Element foo = (Element) i.next();        // do something     }     // 枚举属性     for ( Iterator i = root.attributeIterator(); i.hasNext(); ) {        Attribute attribute = (Attribute) i.next();        // do something     }

2)递归

递归也可以采用Iterator作为枚举手段，但文档中提供了另外的做法

public void treeWalk() {        treeWalk(getRootElement());     }      public void treeWalk(Element element) {         for ( int i = 0, size = element.nodeCount(); i < size; i++)     {            Node node = element.node(i);             if (node  instanceof Element) {               treeWalk((Element) node);            }  else { // do something....            }        } }

3) Visitor模式

最令人兴奋的是DOM4J对Visitor的支持，这样可以大大缩减代码量，并且清楚易懂。了解设计模式的人都知道，Visitor是GOF设计模式之一。其主要原理就是两种类互相保有对方的引用，并且一种作为Visitor去访问许多Visitable。我们来看DOM4J中的Visitor模式(快速文档中没有提供)

只需要自定一个类实现Visitor接口即可。

public class MyVisitor  extends VisitorSupport {             public void visit(Element element){                System.out.println(element.getName());            }            public void visit(Attribute attr){                System.out.println(attr.getName());            }         }           调用：  root.accept(new MyVisitor())

    Visitor接口提供多种Visit()的重载，根据XML不同的对象，将采用不同的方式来访问。上面是给出的Element和Attribute的简单实现，一般比较常用的就是这两个。VisitorSupport是DOM4J提供的默认适配器，Visitor接口的Default Adapter模式，这个模式给出了各种visit(*)的空实现，以便简化代码。

    注意，这个Visitor是自动遍历所有子节点的。如果是root.accept(MyVisitor)，将遍历子节点。我第一次用的时候，认为是需要自己遍历，便在递归中调用Visitor，结果可想而知。

4. XPath支持

    DOM4J对XPath有良好的支持，如访问一个节点，可直接用XPath选择。

public void bar(Document document) {         List list = document.selectNodes( //foo/bar );         Node node = document.selectSingleNode(//foo/bar/author);         String name = node.valueOf( @name );      }

    例如，如果你想查找XHTML文档中所有的超链接，下面的代码可以实现：

public void findLinks(Document document)  throws DocumentException {         List list = document.selectNodes( //a/@href );          for (Iterator iter = list.iterator(); iter.hasNext(); ) {             Attribute attribute = (Attribute) iter.next();             String url = attribute.getValue();         }      }

5. 字符串与XML的转换

有时候经常要用到字符串转换为XML或反之，

// XML转字符串 　 Document document = ...;     String text = document.asXML(); // 字符串转XML     String text = <person> <name>James</name> </person>;     Document document = DocumentHelper.parseText(text);

6 用XSLT转换XML

public Document styleDocument(        Document document,        String stylesheet     )  throws Exception {     // load the transformer using JAXP     TransformerFactory factory = TransformerFactory.newInstance();     Transformer transformer = factory.newTransformer(         new StreamSource( stylesheet )     );     // now lets style the given document     DocumentSource source =  new DocumentSource( document );     DocumentResult result =  new DocumentResult();     transformer.transform( source, result );     // return the transformed document     Document transformedDoc = result.getDocument();      return transformedDoc; }

7. 创建XML

  一般创建XML是写文件前的工作，这就像StringBuffer一样容易。

public Document createDocument() {        Document document = DocumentHelper.createDocument();        Element root = document.addElement(root);        Element author1 =            root               .addElement(author)               .addAttribute(name, James)               .addAttribute(location, UK)               .addText(James Strachan);        Element author2 =            root               .addElement(author)               .addAttribute(name, Bob)               .addAttribute(location, US)               .addText(Bob McWhirter);         return document;     }

8. 文件输出

    一个简单的输出方法是将一个Document或任何的Node通过write方法输出

FileWriter out =  new FileWriter( foo.xml );     document.write(out);

  如果你想改变输出的格式，比如美化输出或缩减格式，可以用XMLWriter类

public void write(Document document)  throws IOException {        // 指定文件        XMLWriter writer =  new XMLWriter(             new FileWriter( output.xml )        );        writer.write( document );        writer.close();        // 美化格式        OutputFormat format = OutputFormat.createPrettyPrint();        writer =  new XMLWriter( System.out, format );        writer.write( document );        // 缩减格式        format = OutputFormat.createCompactFormat();        writer =  new XMLWriter( System.out, format );        writer.write( document );     }

如何，DOM4J够简单吧，当然，还有一些复杂的应用没有提到，如ElementHandler等。如果你动心了，那就一起来用DOM4J.

DOM4J官方网站：(我老连不上)

http://www.dom4j.org/

DOM4J下载(SourceForge)，最新版本为1.4

http://sourceforge.net/projects/dom4j

用Dom4j解析XML及中文问题

发表于 2004年9月27日 20:21

本文主要讨论了用dom4j解析XML的基础问题，包括建立XML文档，添加、修改、删除节点，以及格式化（美化）输出和中文问题。可作为dom4j的入门资料。

转载自:http://jalorsoft.com/holen/

作者：陈光（ holen@263.net）

时间：2004-09-11

 

本文主要讨论了用dom4j解析XML的基础问题，包括建立XML文档，添加、修改、删除节点，以及格式化（美化）输出和中文问题。可作为dom4j的入门资料。

 

1． 下载与安装

 

dom4j是sourceforge.net上的一个开源项目，主要用于对XML的解析。从2001年7月发布第一版以来，已陆续推出多个版本，目前最高版本为1.5。

dom4j专门针对Java开发，使用起来非常简单、直观，在Java界，dom4j正迅速普及。

 

可以到 http://sourceforge.net/projects/dom4j下载其最新版。

 

dom4j1.5的完整版大约13M，是一个名为dom4j-1.5.zip的压缩包，解压后有一个dom4j-1.5.jar文件，这就是应用时需要引入的类包，另外还有一个jaxen-1.1-beta-4.jar文件，一般也需要引入，否则执行时可能抛java.lang.NoClassDefFoundError: org/jaxen/JaxenException异常，其他的包可以选择用之。

 

2． 示例XML文档（holen.xml）

 

为了述说方便，先看一个XML文档，之后的操作均以此文档为基础。

 

holen.xml

<?xml version="1.0" encoding="UTF-8"?> <books>     <!--This is a test for dom4j, holen, 2004.9.11-->     <book show="yes">        <title>Dom4j Tutorials</title>     </book>     <book show="yes">        <title>Lucene Studing</title>     </book>     <book show="no">        <title>Lucene in Action</title>     </book>     <owner>O'Reilly</owner> </books>

 

这是一个很简单的XML文档，场景是一个网上书店，有很多书，每本书有两个属性，一个是书名[title]，一个为是否展示[show]，最后还有一项是这些书的拥有者[owner]信息。

 

3． 建立一个XML文档

 

/**      * 建立一个XML文档,文档名由输入属性决定      *  @param filename 需建立的文件名      *  @return 返回操作结果, 0表失败, 1表成功      */      public int createXMLFile(String filename){        /** 返回操作结果, 0表失败, 1表成功 */         int returnValue = 0;        /** 建立document对象 */        Document document = DocumentHelper.createDocument();        /** 建立XML文档的根books */        Element booksElement = document.addElement("books");        /** 加入一行注释 */        booksElement.addComment("This is a test for dom4j, holen, 2004.9.11");        /** 加入第一个book节点 */        Element bookElement = booksElement.addElement("book");        /** 加入show属性内容 */        bookElement.addAttribute("show","yes");        /** 加入title节点 */        Element titleElement = bookElement.addElement("title");        /** 为title设置内容 */        titleElement.setText("Dom4j Tutorials");               /** 类似的完成后两个book */        bookElement = booksElement.addElement("book");        bookElement.addAttribute("show","yes");        titleElement = bookElement.addElement("title");        titleElement.setText("Lucene Studing");        bookElement = booksElement.addElement("book");        bookElement.addAttribute("show","no");        titleElement = bookElement.addElement("title");        titleElement.setText("Lucene in Action");               /** 加入owner节点 */        Element ownerElement = booksElement.addElement("owner");        ownerElement.setText("O'Reilly");                try{            /** 将document中的内容写入文件中 */            XMLWriter writer =  new XMLWriter( new FileWriter( new File(filename)));            writer.write(document);            writer.close();            /** 执行成功,需返回1 */            returnValue = 1;        } catch(Exception ex){            ex.printStackTrace();        }                       return returnValue;     }

 

说明：

Document document = DocumentHelper.createDocument();

通过这句定义一个XML文档对象。

 

Element booksElement = document.addElement("books");

通过这句定义一个XML元素，这里添加的是根节点。

Element有几个重要的方法：

l         addComment：添加注释

l         addAttribute：添加属性

l         addElement：添加子元素

 

最后通过XMLWriter生成物理文件，默认生成的XML文件排版格式比较乱，可以通过OutputFormat类的createCompactFormat()方法或createPrettyPrint()方法格式化输出，默认采用createCompactFormat()方法，显示比较紧凑，这点将在后面详细谈到。

 

生成后的holen.xml文件内容如下：

 

<?xml version="1.0" encoding="UTF-8"?> <books><!--This is a test for dom4j, holen, 2004.9.11--><book show="yes"><title>Dom4j Tutorials</title></book><book show="yes"><title>Lucene Studing</title></book><book show="no"><title>Lucene in Action</title></book><owner>O'Reilly</owner></books>

 

4． 修改XML文档

 

有三项修改任务，依次为：

l         如果book节点中show属性的内容为yes,则修改成no

l         把owner项内容改为Tshinghua，并添加date节点

l         若title内容为Dom4j Tutorials,则删除该节点

 

/**      * 修改XML文件中内容,并另存为一个新文件      * 重点掌握dom4j中如何添加节点,修改节点,删除节点      *  @param filename 修改对象文件      *  @param newfilename 修改后另存为该文件      *  @return 返回操作结果, 0表失败, 1表成功      */      public int ModiXMLFile(String filename,String newfilename){         int returnValue = 0;         try{            SAXReader saxReader =  new SAXReader();            Document document = saxReader.read( new File(filename));            /** 修改内容之一: 如果book节点中show属性的内容为yes,则修改成no */            /** 先用xpath查找对象 */            List list = document.selectNodes("/books/book/@show" );            Iterator iter = list.iterator();             while(iter.hasNext()){               Attribute attribute = (Attribute)iter.next();                if(attribute.getValue().equals("yes")){                   attribute.setValue("no");               }              }                       /**             * 修改内容之二: 把owner项内容改为Tshinghua             * 并在owner节点中加入date节点,date节点的内容为2004-09-11,还为date节点添加一个属性type             */            list = document.selectNodes("/books/owner" );            iter = list.iterator();             if(iter.hasNext()){               Element ownerElement = (Element)iter.next();               ownerElement.setText("Tshinghua");               Element dateElement = ownerElement.addElement("date");               dateElement.setText("2004-09-11");               dateElement.addAttribute("type","Gregorian calendar");            }                       /** 修改内容之三: 若title内容为Dom4j Tutorials,则删除该节点 */            list = document.selectNodes("/books/book");            iter = list.iterator();             while(iter.hasNext()){               Element bookElement = (Element)iter.next();               Iterator iterator = bookElement.elementIterator("title");                while(iterator.hasNext()){                   Element titleElement=(Element)iterator.next();                    if(titleElement.getText().equals("Dom4j Tutorials")){                      bookElement.remove(titleElement);                   }               }            }                                 try{               /** 将document中的内容写入文件中 */               XMLWriter writer =  new XMLWriter( new FileWriter( newFile(newfilename)));               writer.write(document);               writer.close();               /** 执行成功,需返回1 */               returnValue = 1;            } catch(Exception ex){               ex.printStackTrace();            }                   } catch(Exception ex){            ex.printStackTrace();        }         return returnValue;     }

 

说明：

List list = document.selectNodes("/books/book/@show" );

list = document.selectNodes("/books/book");

上述代码通过xpath查找到相应内容。

 

通过setValue()、setText()修改节点内容。

 

通过remove()删除节点或属性。

 

5． 格式化输出和指定编码

 

默认的输出方式为紧凑方式，默认编码为UTF-8，但对于我们的应用而言，一般都要用到中文，并且希望显示时按自动缩进的方式的显示，这就需用到OutputFormat类。

 

/**      * 格式化XML文档,并解决中文问题      *  @param filename      *  @return      */      public int formatXMLFile(String filename){         int returnValue = 0;         try{            SAXReader saxReader =  new SAXReader();            Document document = saxReader.read( new File(filename));            XMLWriter writer =  null;            /** 格式化输出,类型IE浏览一样 */            OutputFormat format = OutputFormat.createPrettyPrint();            /** 指定XML编码 */            format.setEncoding("GBK");            writer=  new XMLWriter( new FileWriter( new File(filename)),format);            writer.write(document);            writer.close();                 /** 执行成功,需返回1 */            returnValue = 1;            } catch(Exception ex){            ex.printStackTrace();        }         return returnValue;     }

 

说明：

 

OutputFormat format = OutputFormat.createPrettyPrint();

这句指定了格式化的方式为缩进式，则非紧凑式。

 

format.setEncoding("GBK");

指定编码为GBK。

 

XMLWriter writer = new XMLWriter(new FileWriter(new File(filename)),format);

这与前面两个方法相比，多加了一个OutputFormat对象，用于指定显示和编码方式。

 

6． 完整的类代码

 

前面提出的方法都是零散的，下面给出完整类代码。

 

Dom4jDemo.java

package com.holen.dom4j;   import java.io.File; import java.io.FileWriter; import java.util.Iterator; import java.util.List;   import org.dom4j.Attribute; import org.dom4j.Document; import org.dom4j.DocumentHelper; import org.dom4j.Element; import org.dom4j.io.OutputFormat; import org.dom4j.io.SAXReader; import org.dom4j.io.XMLWriter;   /**  *  @author Holen Chen</