XML文件解析之--DOM与SAX

xml文件又称‘可扩展性标记语言’，可以对文档和数据进行结构化处理，从而能够在部门、客户和供应商之间进行交换，实现动态内容生成，企业集成和应用开发。

我们在进行web开发的时候离不开xml文件，xml文件无处不在，这次就烂讨论一下xml常用的解析方法及其CRUD操作，欢迎大家交流指正。

我们先来看看两种解析方式的过程，比较一下他们的优劣之处。

SAX解析方式:它对xml文档进行逐行扫描，一边扫描一边解析。当扫描到文档（document）开始与结束、元素（element）开始与结束、文档（document）结束等地方时通知事件处理函数，由事件处理函数做相应动作，然后继续同样的扫描，直至文档结束。

DOM解析方式:DOM解析是W3C组织提供的标准，把所有内容一次性的装载入内存，并构建一个驻留在内存中的树状结构，然后根据节点之间的关系来解析XML。

性能分析:

1.SAX解析因为是逐行逐句扫描解析，比起DOM方式一次性装在所有内容到内存中来说，效率来说应该更高一些。

2.但是恰恰是SAX这种解析方式，注定使SAX解析不适合对XML文档进行增删改等操作。而DOM解析的增删改操作相比之下就十分方便。

3.因为DOM解析式一次性装在所有内容到内存中，所以如果用户只需要其中一部分内容，DOM解析的方式的效率就大打折扣。

综上分析:sax解析更适合做部分信息的读取操作，DOM解析更适合做XML文件的增删改操作。

接下来我们来看看它们的CRUD操作

xml文件:

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE books SYSTEM "theBook.dtd">
<books>
    <book>
        <id>01</id>
        <name>鲁滨逊漂流记</name>
        <price>33</price>
    </book>
    <book>
        <id>02</id>
        <name>钢铁是怎样炼成的</name>
        <price>30</price>
    </book>
</books> 

对应的Bean类

public class Book {
    private String id;
    private String name;
    private String price;
    public String getId() {
        return id;
    }
    public void setId(String id) {
        this.id = id;
    }
    public String getName() {
        return name;
    }
    public void setName(String name) {
        this.name = name;
    }
    public String getPrice() {
        return price;
    }
    public void setPrice(String price) {
        this.price = price;
    }
    
}

1.SAX解析:

流程:

1.获取工厂实例;

2.得到解析器；

3.得到读取器；

4.设置内容处理器；（SAX解析方式给我们提供了不同的处理器接口以及父类，我们可以选择继承其中的父类或者实现接口进行内容处理）

在进行内容处理时，SAX提供了多种不同的方法，分别在文档的开始和结尾，元素的开始和结尾等有事件，我们需要在相应的地方重写这些事件完成功能。

5.最后我们将相应的对象模型设置属性，将其存入list中，返回list。

解析实例：

public void saxFactory() throws ParserConfigurationException, SAXException, IOException{
        //获得工厂实例
        SAXParserFactory ft = SAXParserFactory.newInstance();
        //得到解析器
        SAXParser sp = ft.newSAXParser();
        //得到读取器
        XMLReader reader = sp.getXMLReader();
        //设置内容处理器
        BeanListHandler handler = new BeanListHandler();
        
        reader.setContentHandler(handler);
        
        reader.parse("src/Book.xml");
        
        List <Book> list = handler.getList();
}

BeanListHandler类

class BeanListHandler extends DefaultHandler{
     private List list = new ArrayList();
     private String currentTag;
     private Book book;
    @Override
    public void characters(char[] ch, int start, int length)
            throws SAXException {
        // TODO Auto-generated method stub
        if("name".equals(currentTag)){
            String name = new String(ch,start,length);
            book.setName(name);
        }
        if("id".equals(currentTag)){
            String id = new String(ch,start,length);
            book.setId(id);
        }
        if("price".equals(currentTag)){
            String price = new String(ch,start,length);
            book.setPrice(price);
        }
        super.characters(ch, start, length);
    }
    @Override
    public void endElement(String uri, String localName, String qName)
            throws SAXException {
        // TODO Auto-generated method stub
        if(qName.equals("book")){
            list.add(book);
            book = null;
        }
        currentTag = null;
        super.endElement(uri, localName, qName);
    }
    @Override
    public void startElement(String uri, String localName, String qName,
            Attributes attributes) throws SAXException {
        currentTag = qName;
        if("book".equals(currentTag)){
            book = new Book();
        }
        super.startElement(uri, localName, qName, attributes);
    }
    public List getList() {
        return list;
    }
}

SAX解析:相对使用起来复杂一些，主要是实现步骤顺序，以及相对应事件中填入实现功能代码。

2.DOM解析:

DOM解析的实现代码相对于前者就简单易懂些

DOM解析中有多种解析工具，此处以DOM4j为例

主要步骤:

1.获得读取器

2.获得document对象

3.对相应的节点对象进行操作

读取操作(获取某个节点的值):

public void read() throws DocumentException{
        SAXReader reader = new SAXReader();
        Document document = reader.read(new File("src/Book.xml"));
        
        Element root = document.getRootElement();
        Element book = (Element)root.elements("book").get(1);
        System.out.println(book.element("name").getText());
    }

增加操作:

public void add() throws DocumentException, IOException{
        SAXReader reader = new SAXReader();
        Document document = reader.read(new File("src/Book.xml"));
        
        Element book = document.getRootElement().element("book");
        book.addElement("author").setText("abc");
        
        //格式化输出器 
        OutputFormat format = OutputFormat.createPrettyPrint();
        format.setEncoding("UTF-8");
        XMLWriter writer = new XMLWriter(new FileOutputStream("src/Book.xml"),format);

        writer.write(document);
        writer.close();
    }

删除操作:

public void delete() throws DocumentException, IOException{
        SAXReader reader = new SAXReader();
        Document document = reader.read(new File("src/Book.xml"));
        
        Element root = document.getRootElement();
        Element name = root.element("book").element("name");
        
        name.getParent().remove(name);
        
        OutputFormat format = OutputFormat.createPrettyPrint();
        format.setEncoding("UTF-8");
        
        XMLWriter writer = new XMLWriter(new FileOutputStream("src/Book.xml"),format); 
        writer.write(document);
        writer.close();
    }

修改操作:

public void update() throws DocumentException, IOException{
        SAXReader reader = new SAXReader();
        Document document = reader.read(new File("src/Book.xml"));
        
        Element root = document.getRootElement();
        Element book = (Element) root.elements("book").get(1);
        book.element("name").setText("西游记");
        
        OutputFormat format = OutputFormat.createPrettyPrint();
        format.setEncoding("UTF-8");
        
        XMLWriter writer = new XMLWriter(new FileOutputStream("src/Book.xml"),format); 
        writer.write(document);
        writer.close();
    }

！！此处需要注意:也许大家注意到了增删改后面有五行代码是一样的。没错！因为需要对xml文件进行读写，所以也需要解决乱码问题，解决乱码问题有多种方法，此处只列举这一种方法，创建格式化输出器，规定其编码和xml中默认相同的编码，输出时选用字节流，配合格式化输出器中规定的编码，这样就不会产生中文乱码问题了。