SAX解析XML 详解

JAVA 解析 XML 通常有两种方式，DOM 和 SAX。DOM 虽然是 W3C 的标准，提供了标准的解析方式，但它的解析效率一直不尽如人意，因为使用DOM解析XML时，解析器读入整个文档并构建一个驻留内存的树结构（节点树），然后您的代码才可以使用 DOM 的标准接口来操作这个树结构。但大部分情况下我们只对文档的部分内容感兴趣，根本就不用先解析整个文档，并且从节点树的根节点来索引一些我们需要的数据也是非常耗时的。 
    SAX是一种XML解析的替代方法。相比于文档对象模型DOM，SAX 是读取和操作 XML 数据的更快速、更轻量的方
法。SAX 允许您在读取文档时处理它，从而不必等待整个文档被存储之后才采取操作。它不涉及 DOM 所必需的开销和概念跳跃。 SAX API是一个基于事件的API ，适用于处理数据流，即随着数据的流动而依次处理数据。SAX API 
在其解析您的文档时发生一定事件的时候会通知您。在您对其响应时，您不作保存的数据将会 被抛弃。
    下面是一个SAX解析XML的示例（有点长，因为详细注解了SAX事件处理的所有方法），SAX API中主要有四种处理事件的接口，它们分别是ContentHandler，DTDHandler， EntityResolver 和 ErrorHandler 。下面的例子可能有点冗长，实际上只要继承DefaultHandler 类 ，再覆盖一部分 处理事件的方法 同样可以达到这个示例的效果，但为了纵观全局，还是看看SAX API里面所有主要的事件解析方法吧。（ 实际上DefaultHandler就是实现了上面的四个事件处理器接口，然后提供了每个抽象方法的默认实现。） 

1，ContentHandler 接口 ：接收文档逻辑内容的通知 的处理器接口。

import org.xml.sax.Attributes;
import org.xml.sax.ContentHandler;
import org.xml.sax.Locator;
import org.xml.sax.SAXException;

class MyContentHandler implements ContentHandler{
    StringBuffer jsonStringBuffer ;
    int frontBlankCount = 0;
    public MyContentHandler(){
        jsonStringBuffer = new StringBuffer();
    }
    /*
     * 接收字符数据的通知。
     * 在DOM中 ch[begin:end] 相当于Text节点的节点值（nodeValue）
     */
    @Override
    public void characters(char[] ch, int begin, int length) throws SAXException {
        StringBuffer buffer = new StringBuffer();
        for(int i = begin ; i < begin+length ; i++){
            switch(ch[i]){
                case '\\':buffer.append("\\\\");break;
                case '\r':buffer.append("\\r");break;
                case '\n':buffer.append("\\n");break;
                case '\t':buffer.append("\\t");break;
                case '\"':buffer.append("\\\"");break;
                default : buffer.append(ch[i]);
            }
        }
        System.out.println(this.toBlankString(this.frontBlankCount)+
                ">>> characters("+length+"): "+buffer.toString());
    }


    /*
     * 接收文档的结尾的通知。
     */
    @Override
    public void endDocument() throws SAXException {
        System.out.println(this.toBlankString(--this.frontBlankCount)+
                ">>> end document");
    }


    /*
     * 接收文档的结尾的通知。
     * 参数意义如下：
     *    uri ：元素的命名空间
     *    localName ：元素的本地名称（不带前缀）
     *    qName ：元素的限定名（带前缀）
     *
     */
    @Override
    public void endElement(String uri,String localName,String qName)
            throws SAXException {
        System.out.println(this.toBlankString(--this.frontBlankCount)+
                ">>> end element : "+qName+"("+uri+")");
    }

    /*
     * 结束前缀 URI 范围的映射。
     */
    @Override
    public void endPrefixMapping(String prefix) throws SAXException {
        System.out.println(this.toBlankString(--this.frontBlankCount)+
                ">>> end prefix_mapping : "+prefix);
    }

    /*
     * 接收元素内容中可忽略的空白的通知。
     * 参数意义如下：
     *     ch : 来自 XML 文档的字符
     *     start : 数组中的开始位置
     *     length : 从数组中读取的字符的个数
     */
    @Override
    public void ignorableWhitespace(char[] ch, int begin, int length)
            throws SAXException {
        StringBuffer buffer = new StringBuffer();
        for(int i = begin ; i < begin+length ; i++){
            switch(ch[i]){
                case '\\':buffer.append("\\\\");break;
                case '\r':buffer.append("\\r");break;
                case '\n':buffer.append("\\n");break;
                case '\t':buffer.append("\\t");break;
                case '\"':buffer.append("\\\"");break;
                default : buffer.append(ch[i]);
            }
        }
        System.out.println(this.toBlankString(this.frontBlankCount)+">>> ignorable whitespace("+length+"): "+buffer.toString());
    }

    /*
     * 接收处理指令的通知。
     * 参数意义如下：
     *     target : 处理指令目标
     *     data : 处理指令数据，如果未提供，则为 null。
     */
    @Override
    public void processingInstruction(String target,String data)
            throws SAXException {
        System.out.println(this.toBlankString(this.frontBlankCount)+">>> process instruction : (target = \""
                +target+"\",data = \""+data+"\")");
    }

    /*
     * 接收用来查找 SAX 文档事件起源的对象。
     * 参数意义如下：
     *     locator : 可以返回任何 SAX 文档事件位置的对象
     */
    @Override
    public void setDocumentLocator(Locator locator) {
        System.out.println(this.toBlankString(this.frontBlankCount)+
                ">>> set document_locator : (lineNumber = "+locator.getLineNumber()
                +",columnNumber = "+locator.getColumnNumber()
                +",systemId = "+locator.getSystemId()
                +",publicId = "+locator.getPublicId()+")");

    }

    /*
     * 接收跳过的实体的通知。
     * 参数意义如下：
     *     name : 所跳过的实体的名称。如果它是参数实体，则名称将以 '%' 开头，
     *            如果它是外部 DTD 子集，则将是字符串 "[dtd]"
     */
    @Override
    public void skippedEntity(String name) throws SAXException {
        System.out.println(this.toBlankString(this.frontBlankCount)+
                ">>> skipped_entity : "+name);
    }

    /*
     * 接收文档的开始的通知。
     */
    @Override
    public void startDocument() throws SAXException {
        System.out.println(this.toBlankString(this.frontBlankCount++)+
                ">>> start document ");
    }

    /*
     * 接收元素开始的通知。
     * 参数意义如下：
     *    uri ：元素的命名空间
     *    localName ：元素的本地名称（不带前缀）
     *    qName ：元素的限定名（带前缀）
     *    atts ：元素的属性集合
     */
    @Override
    public void startElement(String uri, String localName, String qName,
            Attributes atts) throws SAXException {
        System.out.println(this.toBlankString(this.frontBlankCount++)+
                ">>> start element : "+qName+"("+uri+")");
    }

    /*
     * 开始前缀 URI 名称空间范围映射。
     * 此事件的信息对于常规的命名空间处理并非必需：
     * 当 http://xml.org/sax/features/namespaces 功能为 true（默认）时，
     * SAX XML 读取器将自动替换元素和属性名称的前缀。
     * 参数意义如下：
     *    prefix ：前缀
     *    uri ：命名空间
     */
    @Override
    public void startPrefixMapping(String prefix,String uri)
            throws SAXException {
        System.out.println(this.toBlankString(this.frontBlankCount++)+
                ">>> start prefix_mapping : xmlns:"+prefix+" = "
                +"\""+uri+"\"");

    }

    private String toBlankString(int count){
        StringBuffer buffer = new StringBuffer();
        for(int i = 0;i<count;i++)
            buffer.append("    ");
        return buffer.toString();
    }

}

 

2，DTDHandler 接口 ：接收与 DTD 相关的事件的通知的处理器接口。

import org.xml.sax.DTDHandler;
import org.xml.sax.SAXException;

public class MyDTDHandler implements DTDHandler {

    /*
     * 接收注释声明事件的通知。
     * 参数意义如下：
     *     name - 注释名称。
     *     publicId - 注释的公共标识符，如果未提供，则为 null。
     *     systemId - 注释的系统标识符，如果未提供，则为 null。
     */
    @Override
    public void notationDecl(String name, String publicId, String systemId)
            throws SAXException {
        System.out.println(">>> notation declare : (name = "+name
                +",systemId = "+publicId
                +",publicId = "+systemId+")");
    }

    /*
     * 接收未解析的实体声明事件的通知。
     * 参数意义如下：
     *     name - 未解析的实体的名称。
     *     publicId - 实体的公共标识符，如果未提供，则为 null。
     *     systemId - 实体的系统标识符。
     *     notationName - 相关注释的名称。
     */
    @Override
    public void unparsedEntityDecl(String name,
            String publicId,
            String systemId,
            String notationName) throws SAXException {
        System.out.println(">>> unparsed entity declare : (name = "+name
                +",systemId = "+publicId
                +",publicId = "+systemId
                +",notationName = "+notationName+")");
    }

}

3，EntityResolver 接口 ：是用于解析实体的基本接口。

import java.io.IOException;

import org.xml.sax.EntityResolver;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;

public class MyEntityResolver implements EntityResolver {

    /*
     * 允许应用程序解析外部实体。
     * 解析器将在打开任何外部实体（顶级文档实体除外）前调用此方法
     * 参数意义如下：
     *     publicId ： 被引用的外部实体的公共标识符，如果未提供，则为 null。
     *     systemId ： 被引用的外部实体的系统标识符。
     * 返回：
     *     一个描述新输入源的 InputSource 对象，或者返回 null，
     *     以请求解析器打开到系统标识符的常规 URI 连接。
     */
    @Override
    public InputSource resolveEntity(String publicId, String systemId)
            throws SAXException, IOException {
        return null;
    }

}

 
4，ErrorHandler接口 ：是错误处理程序的基本接口。

import org.xml.sax.ErrorHandler;
import org.xml.sax.SAXException;
import org.xml.sax.SAXParseException;

public class MyErrorHandler implements ErrorHandler {

    /*
     * 接收可恢复的错误的通知
     */
    @Override
    public void error(SAXParseException e) throws SAXException {
        System.err.println("Error ("+e.getLineNumber()+","
                +e.getColumnNumber()+") : "+e.getMessage());
    }

    /*
     * 接收不可恢复的错误的通知。
     */
    @Override
    public void fatalError(SAXParseException e) throws SAXException {
        System.err.println("FatalError ("+e.getLineNumber()+","
                +e.getColumnNumber()+") : "+e.getMessage());
    }

    /*
     * 接收不可恢复的错误的通知。
     */
    @Override
    public void warning(SAXParseException e) throws SAXException {
        System.err.println("Warning ("+e.getLineNumber()+","
                +e.getColumnNumber()+") : "+e.getMessage());
    }

}

 

Test 类的主方法打印解析books.xml时的事件信息。

import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;

import org.xml.sax.ContentHandler;
import org.xml.sax.DTDHandler;
import org.xml.sax.EntityResolver;
import org.xml.sax.ErrorHandler;
import org.xml.sax.InputSource;
import org.xml.sax.SAXException;
import org.xml.sax.XMLReader;
import org.xml.sax.helpers.XMLReaderFactory;


public class Test {

    public static void main(String[] args) throws SAXException,
            FileNotFoundException, IOException {
        //创建处理文档内容相关事件的处理器
        ContentHandler contentHandler = new MyContentHandler();
        //创建处理错误事件处理器
        ErrorHandler errorHandler = new MyErrorHandler();
        //创建处理DTD相关事件的处理器
        DTDHandler dtdHandler = new MyDTDHandler();
        //创建实体解析器
        EntityResolver entityResolver = new MyEntityResolver();

        //创建一个XML解析器（通过SAX方式读取解析XML）
        XMLReader reader = XMLReaderFactory.createXMLReader();
        /*
         * 设置解析器的相关特性
         *     http://xml.org/sax/features/validation = true 表示开启验证特性
         *     http://xml.org/sax/features/namespaces = true 表示开启命名空间特性
         */
        reader.setFeature("http://xml.org/sax/features/validation",true);
        reader.setFeature("http://xml.org/sax/features/namespaces",true);
        //设置XML解析器的处理文档内容相关事件的处理器
        reader.setContentHandler(contentHandler);
        //设置XML解析器的处理错误事件处理器
        reader.setErrorHandler(errorHandler);
        //设置XML解析器的处理DTD相关事件的处理器
        reader.setDTDHandler(dtdHandler);
        //设置XML解析器的实体解析器
        reader.setEntityResolver(entityResolver);
        //解析books.xml文档
        reader.parse(new InputSource(new FileReader("books.xml")));
    }

}

books.xml 文件的内容如下：

<?xml version="1.0" encoding="GB2312"?>
<books  count="3" xmlns="http://test.org/books">
    <!--books's comment-->
    <book id="1">
        <name>Thinking in JAVA</name>
    </book>
    <book id="2">
        <name>Core JAVA2</name>
    </book>
    <book id="3">
        <name>C++ primer</name>
    </book>
</books>

 
控制台输出如下：

>>> set document_locator : (lineNumber = 1,columnNumber = 1,systemId = null,publicId = null)
>>> start document 
Error (2,7) : Document is invalid: no grammar found.
Error (2,7) : Document root element "books", must match DOCTYPE root "null".
    >>> start prefix_mapping : xmlns: = "http://test.org/books"
        >>> start element : books(http://test.org/books)
            >>> characters(2): \n\t
            >>> characters(2): \n\t
            >>> start element : book(http://test.org/books)
                >>> characters(3): \n\t\t
                >>> start element : name(http://test.org/books)
                    >>> characters(16): Thinking in JAVA
                >>> end element : name(http://test.org/books)
                >>> characters(2): \n\t
            >>> end element : book(http://test.org/books)
            >>> characters(2): \n\t
            >>> start element : book(http://test.org/books)
                >>> characters(3): \n\t\t
                >>> start element : name(http://test.org/books)
                    >>> characters(10): Core JAVA2
                >>> end element : name(http://test.org/books)
                >>> characters(2): \n\t
            >>> end element : book(http://test.org/books)
            >>> characters(2): \n\t
            >>> start element : book(http://test.org/books)
                >>> characters(3): \n\t\t
                >>> start element : name(http://test.org/books)
                    >>> characters(10): C++ primer
                >>> end element : name(http://test.org/books)
                >>> characters(2): \n\t
            >>> end element : book(http://test.org/books)
            >>> characters(1): \n
        >>> end element : books(http://test.org/books)
    >>> end prefix_mapping : 
>>> end document