有效使用 SAX InputSource

转自：http://www.ibm.com/developerworks/cn/xml/tips/x-tipsaxis/index.html

当您使用 SAX API 时，所有输入都从使用 org.xml.sax.InputSource 类开始。这个类包含在 SAX API 中，并且提供了输入规范（通过类似于文件或 I/O 流的标准 Java 构造），同时还提供一个公用的系统标识。 接着，SAX 在解析时从 InputSource 抽取这些信息，从而能够解析外部实体以及其它特定于文档来源的资源。

类似地，当您对 SAX 使用封装器（类似于 JAXP API）时，可以调用不同方法。最后，解析使用 SAX InputSource。例如，考虑 清单 1 中所示的代码段，它使用 JAXP 来启动 SAX 解析。

清单 1. 将 JAXP 用于 SAX 解析

SAXParserFactory spf = SAXParserFactory.newInstance();
SAXParser parser = spf.newSAXParser();
parser.parse(myFile, myHandler);

即使输入了 java.io.File 文件，它也会在被转交给底层 SAX 实现之前转换成 SAX InputSource 。之所以发生这个转换，是因为这个 JAXP 代码最终访问 org.xml.sax.XMLReader 类，该类只为启动解析提供 清单 2 中所示的两个特征符。

清单 2. 用于 XMLReader 的解析入口点

public void parse(InputSource inputSource);
public void parse(String systemID);

在此基础上，大多数 SAX 解析器实现（如 Apache Xerces）实际上将字符串系统标识转换为 InputSource ，并将它分配给接收 InputSource 的 parse() 版本。无论您如何编码自己的应用程序，SAX 最终都接收 InputSource 来用于解析。但是，并非所有这样处理的方法都同等地好。

为了避免您代码中出现令人不快的意外，最好直接使用 SAX InputSource 类，而不是让 JAXP 或 SAX 为您处理这个任务。因为实现必须要处理每种可能的情况，所以您常常会看到构造 InputSource 实例的代码，类似于 清单 3 中所示。

清单 3. 一般的 InputSource 构造方法

InputSource inputSource = new InputSource();
// May be a null parameter
inputSource.setByteStream(inputStream);
// May be a null parameter
inputSource.setCharacterStream(reader);
// May be a null parameter
inputSource.setSystemId(systemId);
// May be a null parameter
inputSource.setPublicId(publicId);
// Derived parameter
inputSource.setEncoding(encoding);

正如您从注释中看到的，这些方法中的许多被传递了 null 参数。虽然执行这些方法不会花费很多时间，但 XML 解析应用程序中的每一秒都很关键；遗憾的是，这些不执行任何操作的方法浪费了宝贵的时间。通过自行构造InputSource 实例，您可以将这个过程简化为一至两个方法调用，如 清单 4 所示。

清单 4. 改进 InputSource 构造

InputSource inputSource = new InputSource(myInputStream);
inputSource.setSystemId("http://www.oreilly.com");
inputSource.setEncoding("UTF-8");

我还使用了 setEncoding() 方法来通知 SAX 解析器使用何种编码；在涉及国际化或使用多字节字符集的 XML 应用程序中，这一点很重要。

但是，这里产生了另一个问题：对于字符编码，用手工设置字符编码的编码与所提供的输入流（通过java.io.InputStream 或 java.io.Reader ）所用的编码 不同 ，这种情况很常见。如果这些编码不匹配，就可能发生各种解析问题。要避免这种情况，请始终用 Java InputStream 创建您的 InputSource ，而不要用 Reader 或String 系统标识（这些都是 JAXP API 的可能选项）。当您提供 InputStream 时，SAX 实现将流封装在InputStreamReader 中；然后 SAX 自动从流中检测正确的字符编码。随后，您可以省略 setEncoding() 步骤，再次减少方法调用。结果是应用程序运行更快了，并且字符编码始终正确。