XML解析

文档最后附有测试用的XML文档。

本节要点：

• DOM解析方式
• SAX解析方式
• DOM4J对XML的解析

XML用于将数据组织起来，形成文档用于存储和传输；但仅仅这些是不够的，更多时候我们需要的是将xml中的数据解析出来，甚至是在程序中动态生成xml。操作xml的方式有两种DOM和SAX。

XML解析方式分为两种：DOM方式和SAX方式：

• DOM：Document Object Model，文档对象模型。这种方式是W3C推荐的处理XML的一种方式。
• SAX：Simple API for XML。这种方式不是官方标准，属于开源社区XML-DEV，几乎所有的XML解析器都支持它。

XML解析开发包：

• JAXP：是SUN公司推出的解析标准实现。
• Dom4J：是开源组织推出的解析开发包。(牛，大家都在用，包括SUN公司的一些技术的实现都在用)
• JDom：是开源组织推出的解析开发包。

JAXP：

• JAXP:(Java API for XML Processing)是开发包JavaSE的一部分，它由以下几个包及其子包组成：
  • org.w3c.dom:提供DOM方式解析XML的标准接口
  • org.xml.sax:提供SAX方式解析XML的标准接口
  • javax.xml:提供了解析XML文档的类
  • javax.xml.parsers包中，定义了几个工厂类。我们可以通过调用这些工厂类，得到对XML文档进行解析的DOM和SAX解析器对象。

1         DOM解析方式

DOM(Document Object Model)，“文档对象模型”早期是为了解决不用浏览器间数据兼容问题提出的解决方案，现在已经是W3C组织推荐的处理可扩展标志语言的标准编程接口。

W3C DOM 被分为 3 个不同的部分/级别（parts / levels）：

• 核心 DOM：用于任何结构化文档的标准模型
• XML DOM：用于 XML 文档的标准模型
• HTML DOM：用于 HTML 文档的标准模型

XML DOM 是：

• 用于 XML 的标准对象模型
• 用于 XML 的标准编程接口
• 中立于平台和语言
• W3C 的标准

SUN公司的JAXP（Java API for XML Processing）提供了对dom的支持；其解析步骤为：

• DocumentBuilderFactory.newInstance() 方法得到创建 DOM 解析器的工厂。， DocumentBuilderFactory是一个抽象工厂类，它不能直接实例化，但该类提供了一个newInstance方法 ，这个方法会根据本地平台默认安装的解析器，自动创建一个工厂的对象并返回。
• 调用工厂对象的 newDocumentBuilder方法得到 DOM 解析器对象。
• 调用 DOM 解析器对象的 parse() 方法解析 XML 文档，得到代表整个文档的 Document 对象，进行可以利用DOM特性对整个XML文档进行操作了。

具体代码如下：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

DocumentBuilder builder = factory.newDocumentBuilder();

Document doc = builder.parse(new File("books.xml"));

注：以下所有XML文档没有引入约束。

• 获取xml节点 内容

private static void findElement() throws ParserConfigurationException,

           SAXException, IOException {

       DocumentBuilderFactory factory =DocumentBuilderFactory.newInstance();

       DocumentBuilder builder = factory.newDocumentBuilder();

       Document doc = builder.parse(new File("books.xml"));

       NodeList list = doc.getElementsByTagName("title");

       Node node = list.item(1);

       System.out.println(node.getTextContent());

    }

• 获取属性内容

private static void getAttribute() throws ParserConfigurationException,

           SAXException, IOException {

       DocumentBuilderFactory factory =DocumentBuilderFactory.newInstance();

       DocumentBuilder builder = factory.newDocumentBuilder();

       Document doc = builder.parse(new File("books.xml"));

       Element node = (Element) doc.getElementsByTagName("comment").item(1);

       System.out.println(node.getAttribute("title"));

}

• 使用递归遍历xml文档

private static void loopNode() throws ParserConfigurationException,

           SAXException, IOException {

       DocumentBuilderFactory factory =DocumentBuilderFactory.newInstance();

       DocumentBuilder builder = factory.newDocumentBuilder();

       Document doc = builder.parse(new File("books.xml"));

       loop(doc);

}

private static void loop(Node doc) {

       NodeList list = doc.getChildNodes();

       for(int i=0;i<list.getLength();i++){

           Node node = list.item(i);

           System.out.println(node.getNodeName());

           loop(node);

       }
    }

添加节点，内容，属性 

private static void createElement() throws ParserConfigurationException,

       SAXException, IOException,TransformerFactoryConfigurationError,

           TransformerConfigurationException, TransformerException {

       DocumentBuilderFactory factory =DocumentBuilderFactory.newInstance();

       DocumentBuilder builder = factory.newDocumentBuilder();

       Document doc = builder.parse(new File("books.xml"));

       //创建结点

       Element e = doc.createElement("language");

       //添加内容

       e.setTextContent("Chinese");

       //添加属性

       e.setAttribute("aa", "xxx");

       //获取父节点，并append新创建的结点

       doc.getElementsByTagName("book").item(1).appendChild(e);

       //使用Transformer将内存中更新过的xml文档写入实际的xml文档中

       TransformerFactory tfactory = TransformerFactory.newInstance();

       Transformer tf = tfactory.newTransformer();

       tf.transform(new DOMSource(doc), new StreamResult(new File("books.xml")));

    }

删除节点注意：DOM的解析方式为将整个xml文档都加载入内存，因此对文档节点的添加、删除和修改操作都是只针对内存中的document对象，因此还需要使用Transformer类将修改真正写入到xml文件中！

private static void deleteElement() throws ParserConfigurationException,

       SAXException, IOException, TransformerFactoryConfigurationError,

           TransformerConfigurationException, TransformerException {

       DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

       DocumentBuilder builder = factory.newDocumentBuilder();

       Document doc = builder.parse(new File("books.xml"));

       //得到待删除的结点

       Element e = (Element) doc.getElementsByTagName("language").item(0);

       //获取结点的父节点，然后删除该子结点

       e.getParentNode().removeChild(e);

       //使用Transformer将内存中更新过的xml文档写入实际的xml文档中

       TransformerFactory tfactory = TransformerFactory.newInstance();

       Transformer tf = tfactory.newTransformer();

       tf.transform(new DOMSource(doc), new StreamResult(new File("books.xml")));

    }

2         SAX解析方式

由于dom采用的是将xml文档加载入内存进行处理的方式，如果xml文档较大，则会导致加载时间过长，效率降低的情况，因此，sun公司在JAXP中又添加了对SAX的支持；

SAX，全称Simple API for XML，既是一种接口，也是一种软件包。它是一种XML解析的替代方法。SAX不同于DOM解析，它逐行扫描文档，一边扫描一边解析。由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中，这对于大型文档的解析是个巨大优势。

SAX采用事件处理的方式解析XML文件，利用 SAX 解析 XML 文档，涉及两个部分“解析器”和“事件处理器”：

• 解析器可以使用JAXP的API创建，创建出SAX解析器后，就可以指定解析器去解析某个XML文档。
• 解析器采用SAX方式在解析某个XML文档时，它只要解析到XML文档的一个组成部分，都会去调用事件处理器的一个方法，解析器在调用事件处理器的方法时，会把当前解析到的xml文件内容作为方法的参数传递给事件处理器。
• 事件处理器由程序员编写，程序员通过事件处理器中方法的参数，就可以很轻松地得到sax解析器解析到的数据，从而可以决定如何对数据进行处理.

示例：使用SAX读取XML

public static void main(String[] args) throws Exception, SAXException {

        //创建工厂

        SAXParserFactory factory = SAXParserFactory.newInstance();

        //使用工厂生成一个SAX解析器

        SAXParser parser = factory.newSAXParser();

        //解析xml文档

        parser.parse(new File("books.xml"), new DefaultHandler(){

            @Override

            public void startDocument() throws SAXException {

                System.out.println("文档开始读取了……");

            }

            @Override

            public void startElement(String uri, String localName,

                    String qName, Attributes attributes) throws SAXException {

                //qName开始结点的名称

                System.out.println("<"+qName+">");

                for(int i=0;i<attributes.getLength();i++){

                    //getQName得到属性名称，getValue得到属性值

                    System.out.println(attributes.getQName(i) + ":"

                            + attributes.getValue(i));

                }

            }

            @Override

            public void characters(char[] ch, int start, int length)

                    throws SAXException {

                //构造字符串，输出ch字符数组，从start开始，输出长度length

                System.out.println(new String(ch, start, length));

            }

            @Override

            public void endElement(String uri, String localName, String qName)

                    throws SAXException {

                //打印结束结点

                System.out.println("<"+qName+">");

            }

            @Override

            public void endDocument() throws SAXException {

                System.out.println("文档结束了……");

            }

           

        });

    }

3         DOM4J对XML的解析

JAXP是sun公司官方提供的java解析工具包，但很多其他企业和机构也都开发了自己的xml解析工具，甚至比JAXP更加优秀，比如DOM4J。

• Dom4j是一个简单、灵活的开放源代码的库。Dom4j是由早期开发JDOM的人分离出来而后独立开发的。与JDOM不同的是，dom4j使用接口和抽象基类，虽然Dom4j的API相对要复杂一些，但它提供了比JDOM更好的灵活性。
• Dom4j是一个非常优秀的Java XML API，具有性能优异、功能强大和极易使用的特点。现在很多软件采用的Dom4j，例如Hibernate，包括sun公司自己的JAXM也用了Dom4j。
• 使用Dom4j开发，需下载dom4j相应的jar文件。
• Dom4j的使用可参见其所提供的文档（quick start）

DOM4J需要加入两个包：dom4j-1.6.1.jar和jaxen-1.1-beta-6.jar

参考下载地址：http://pan.baidu.com/s/1eS3X3DS

示例：

• 查询

• private static void find() throws DocumentException {
  
          SAXReader reader = new SAXReader();
  
          Document document = reader.read(new File("books.xml"));
  
          //传统解析模式，不能根据结点名称直接查找，只能一级一级的往下查
  
          /*Element root = document.getRootElement();
  
          List<Element> list = root.elements();
  
          List<Element> list1 = list.get(1).elements();
  
          System.out.println(list1.get(1).getText());*/
  
         
  
          //XPath模式解析
  
          /*Element e = (Element) document.selectNodes("//title").get(1);
  
          System.out.println(e.getText());*/
  
         
  
          //查找comment标签的title属性值
  
          Element e = (Element) document.selectNodes("//comment[@id='S002']").get(0);
  
          System.out.println(e.attributeValue("title"));
  
      }

注：XPath的使用

在W3cschool中可以找到官方文档

例如：

 

 

 

• 新增

private static void addElement() throws DocumentException, IOException {

        SAXReader reader = new SAXReader();

        Document document = reader.read(new File("books.xml"));

        //使用工具类DocumentHelper创建结点

        Element e = DocumentHelper.createElement("languge");

        e.setText("Chinese");

        e.addAttribute("bb", "boy");

        //寻找父节点

        Element ee = (Element) document.selectNodes("//book").get(1);

        //添加结点至内存文档

        ee.add(e);

        //Writing a document to a file，可以参考dom4j的API

        XMLWriter writer = new XMLWriter(

                    new FileWriter("books.xml")

                );

            writer.write(document);

            writer.close();

    }

• 删除

• private static void deleteElement() throws DocumentException, IOException {
  
          SAXReader reader = new SAXReader();
  
          Document document = reader.read(new File("books.xml"));
  
          //读取待删除结点的父节点
  
          Element e = (Element) document.selectNodes("//languge").get(0);
  
          //移除结点（内存）
  
          e.getParent().remove(e);
  
          //Writing a document to a file
  
          XMLWriter writer = new XMLWriter(
  
                  new FileWriter("books.xml")
  
              );
  
          writer.write(document);
  
          writer.close();
  
      }

  附件：

• 项目概况

• XML文档

• <?xml version="1.0" encoding="UTF-8"?>
  <!-- <!DOCTYPE books SYSTEM "books.dtd"> -->
  <books>
      <book>
          <author>joy</author>
          <title>java core</title>
          <price>100</price>
      </book>
      <book>
          <author>joy1</author>
          <title>Thinking in java</title>
          <price>100</price>
      </book>
      <book>
          <comment author="joy" id="S001" language="Chinese" price="20" title="Java"/>
          <comment author="joy" id="S002" language="Chinese" price="20" title="Thinking in Java"/>
      </book>
  </books>