XML解析基础

互联网 17-4-4

Java Web开发实战经典

在项目开发中，HTML的主要功能是进行数据展示，而要进行数据存储结构的规范化就需要使用XML。XML有自己的语法，而且所有的标记元素都可以由用户任意定义。

1、认识XML

XML（eXtended Markup Language，可扩展的标记性语言）提供了一套跨平台、跨网络、跨程序的语言的数据描述方式，使用XML可以方便地实现数据交换、系统配置、内容管理等常见功能。XML与HTML类似，都属于标记性语言。最大的不同时HTML中的元素都是固定的，且以显示为主，而XML语言中的标记都是由用户自定义的，主要以数据保存为主。

XML和HTML的比较

实际上所有的XML文件都由前导区和数据区两部分组成。前导区：规定出XML页面的一些属性，有以下3个属性：

version：表示使用的XML版本，现在是1.0。
encoding：页面中使用的文字编码，如果有中文，则一定要指定编码。
standalone：此XML文件是否是独立运行，如果需要进行显示可以使用CSS或XSL控制。
属性出现的顺序是固定的，version、encoding、standalone，一旦顺序不对，XML将出现错误。
 <?xml version="1.0" encoding="GB2312" standalone="no"?>
数据区：所有的数据区必须有一个根元素，一个根元素下可以存放多个子元素，但是要求每一个元素必须完结，每一个标记都是区分大小写的。

<![CDATA[]  不解析内容  ]>

2、XML解析

在XML文件中由于更多的是描述信息的内容，所以在得到一个XML文档后用该利用程序按照其中元素的定义名称取出对应的内容，这样的操作就称为XML解析。在XML解析中W3C定义了SAX和DOM两种解析方式，这两种解析方式的程序操作如下：

XML解析操作

可以看出，应用程序不是直接对XML文档进行操作的，而是首先由XML分析器对XML文档进行分析，然后应用程序通过XML分析器所提供的DOM接口或SAX接口对分析结构进行操作，从而间接地实现了对XML文档的访问。

2.1、DOM解析操作

在应用程序中，基于DOM （Document Object Model，文档对象模型）的XML分析器将一个XML文档转换成一个对象模型的集合（通常称为DOM树），应用程勋正是通过对这个对象模型的操作，来实现对XML文档数据的操作。通过DOM接口，应用程序可以在任何时候访问XML文档中的任何一部分数据，因此，这种这种利用DOM接口的机制也被称作随机访问机制。由于DOM分析器把整个XML文档转化成DOM树放在了内存中，因此，当文档比较大或者结构比较复杂时，对内存的需求就比较高，而且对于结构复杂的树的遍历也是一项耗时的操作。DOM操作会在内存中将所有的XML文件变为DOM树。

在DOM解析中有以下4个核心的操作接口：

Document：此接口代表了整个XML文档，表示整个DOM树的根，提供了对文档中的数据进行访问和操作的入口，通过Document节点可以访问XML文件中所有的元素内容。

Document接口的常用方法

Node：DOM操作的核心接口中有很大一部分是从Node接口继承过来的。例如Document、Element、Attri等接口。在DOM树中，每一个Node接口代表了DOM树中的一个节点。

Node接口的常用方法

NodeList：此接口表示一个节点的集合，一般用于表示有顺序关系的一组节点。例如，一个节点的子节点，当文档改变时会直接影响到NodeList集合。

NodeList接口的常用方法

NameNodeMap：此接口表示一组节点和其唯一名称对应的一一对应关系，主要用于属性节点的表示。

出以上4个核心接口外，如果一个程序需要进行DOM解析读操作，则需要按如下步骤进行：（1）建立DocumentBuilderFactory：DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();（2）建立DocumentBuilder：DocumentBuilder builder = factory.newDocumentBuilder();（3）建立Document：Document doc= builder.parse("要读取的文件路径");（4）建立NodeList：NodeList nl = doc.getElementsByTagName("读取节点");（5）进行XML信息读取。

// xml_demo.xml    <?xml version="1.0" encoding="GBK"?>  <addresslist>      <linkman>          <name>小明</name>          <email>asaasa@163.com</email>      </linkman>      <linkman>          <name>小张</name>          <email>xiaoli@163.com</email>      </linkman>  </addresslist>

DOM完成XML的读取。

package com.demo;    import java.io.IOException;    import javax.xml.parsers.DocumentBuilder;  import javax.xml.parsers.DocumentBuilderFactory;  import javax.xml.parsers.ParserConfigurationException;    import org.w3c.dom.Document;  import org.w3c.dom.Element;  import org.w3c.dom.NodeList;  import org.xml.sax.SAXException;    public class XmlDomDemo {      public static void main(String[] args) {          // （1）建立DocumentBuilderFactory，以用于取得DocumentBuilder          DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();          // （2）通过DocumentBuilderFactory，取得DocumentBuilder          DocumentBuilder builder = null;          try {              builder = factory.newDocumentBuilder();          } catch (ParserConfigurationException e) {              e.printStackTrace();          }          // （3）定义Document接口对象，通过DocumentBuilder类进行DOM树是转换操作          Document doc = null;          try {              // 读取指定路径的XML文件，读取到内存中              doc = builder.parse("xml_demo.xml");          } catch (SAXException e) {              e.printStackTrace();          } catch (IOException e) {              e.printStackTrace();          }          // （4）查找linkman节点          NodeList nl = doc.getElementsByTagName("linkman");          // （5）输出NodeList中第一个子节点中文本节点的内容          for (int i = 0; i < nl.getLength(); i++) {              // 取出每一个元素                  Element element = (Element) nl.item(i);              System.out.println("姓名：" + element.getElementsByTagName("name").item(0).getFirstChild().getNodeValue());              System.out.println("邮箱：" + element.getElementsByTagName("email").item(0).getFirstChild().getNodeValue());          }      }  }

DOM完成XML的文件输出。此时就需要使用DOM操作中提供的各个接口（如Element接口）并手工设置各个节点的关系，同时在创建Document对象时就必须使用newDocument()方法建立一个新的DOM树。如果现在需要将XML文件保存在硬盘上，则需要使用TransformerFactory、Transformer、DOMSource、StreamResult 4个类完成。TransformerFactory类：取得一个Transformer类的实例对象。DOMSource类：接收Document对象。StreamResult 类：指定要使用的输出流对象（可以向文件输出，也可以向指定的输出流输出）。Transformer类：通过该类完成内容的输出。

StreamResult类的构造方法

package com.demo;    import java.io.File;    import javax.xml.parsers.DocumentBuilder;  import javax.xml.parsers.DocumentBuilderFactory;  import javax.xml.parsers.ParserConfigurationException;  import javax.xml.transform.OutputKeys;  import javax.xml.transform.Transformer;  import javax.xml.transform.TransformerConfigurationException;  import javax.xml.transform.TransformerException;  import javax.xml.transform.TransformerFactory;  import javax.xml.transform.dom.DOMSource;  import javax.xml.transform.stream.StreamResult;    import org.w3c.dom.Document;  import org.w3c.dom.Element;    public class XmlDemoWrite {        public static void main(String[] args) {          // （1）建立DocumentBuilderFactory，以用于取得DocumentBuilder          DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();          // （2）通过DocumentBuilderFactory，取得DocumentBuilder          DocumentBuilder builder = null;          try {              builder = factory.newDocumentBuilder();          } catch (ParserConfigurationException e) {              e.printStackTrace();          }          // （3）定义Document接口对象，通过DocumentBuilder类进行DOM树是转换操作          Document doc = null;          // 创建一个新的文档          doc = builder.newDocument();          // （4）建立各个操作节点          Element addresslist = doc.createElement("addresslist");          Element linkman = doc.createElement("linkman");          Element name = doc.createElement("name");          Element email = doc.createElement("email");          // （5）设置节点的文本内容，即为每一个节点添加文本节点          name.appendChild(doc.createTextNode("小明"));          email.appendChild(doc.createTextNode("xiaoming@163.com"));          // （6）设置节点关系          linkman.appendChild(name);          linkman.appendChild(email);          addresslist.appendChild(linkman);          doc.appendChild(addresslist);          // （7）输出文档到文件中          TransformerFactory tf = TransformerFactory.newInstance();          Transformer t = null;          try {              t = tf.newTransformer();          } catch (TransformerConfigurationException e) {              e.printStackTrace();          }          // 设置编码          t.setOutputProperty(OutputKeys.ENCODING, "GBK");          // 输出文档          DOMSource source = new DOMSource(doc);          // 指定输出位置          StreamResult result = new StreamResult(new File("xml_wirte.xml"));          try {              // 输出              t.transform(source, result);              System.out.println("yes");          } catch (TransformerException e) {              e.printStackTrace();          }      }    }

生成文档：

//xml_write.xml    <?xml version="1.0" encoding="GBK" standalone="no"?>  <addresslist>      <linkman>          <name>小明</name>          <email>xiaoming@163.com</email>      </linkman>  </addresslist>

2.2、SAX解析操作

SAX（Simple APIs for XML，操作XML的简单接口）与DOM操作不同的是，SAX采用的是一种顺序的模式进行访问，是一种快速读取XML数据的方式。当使用SAX 解析器进行操作时会触发一系列的事件。

SAX主要事件

当扫描到文档（Document）开始与结束、元素（Element）开始与结束时都会调用相关的处理方法，并由这些操作方法做出相应的操作，直到整个文档扫描结束。如果在开发中想要使用SAX解析，则首先应该编写一个SAX解析器，再直接定义一个类，并使该类继承自DefaultHandler类，同时覆写上述的表中的方法即可。

package com.sax.demo;    import org.xml.sax.Attributes;  import org.xml.sax.SAXException;  import org.xml.sax.helpers.DefaultHandler;    public class XmlSax extends DefaultHandler {      @Override      public void startDocument() throws SAXException {          System.out.println("<?xml version=\"1.0\" encoding=\"GBK\"?>");      }      @Override      public void endDocument() throws SAXException {          System.out.println("\n 文档读取结束。。。");      }      @Override      public void startElement(String url, String localName, String name,              Attributes attributes) throws SAXException {          System.out.print("<");          System.out.print(name);          if (attributes != null) {              for (int x = 0; x < attributes.getLength(); x++) {                  System.out.print("" + attributes.getQName(x) + "=\"" + attributes.getValue(x) + "\"");              }          }          System.out.print(">");      }      @Override      public void characters(char[] ch, int start, int length) throws SAXException {          System.out.print(new String(ch, start, length));      }      @Override      public void endElement(String url, String localName, String name)              throws SAXException {          System.out.print("</");          System.out.print(name);          System.out.print(">");      }  }

建荔湾SAX解析器后，还需要建立SAXParserFactory和SAXParser对象，之后通过SAXPaeser的parse()方法指定要解析的XML文件和指定的SAX解析器。

建立要读取的文件：sax_demo.xml

<?xml version="1.0" encoding="GBK"?>  <addresslist>      <linkman id="xm">          <name>小明</name>          <email>xiaoming@163.com</email>      </linkman>      <linkman id="xl">          <name>小李</name>          <email>xiaoli@163.com</email>      </linkman>  </addresslist>

使用SAX解析器

package com.sax.demo;    import javax.xml.parsers.SAXParser;  import javax.xml.parsers.SAXParserFactory;    public class SaxTest {        public static void main(String[] args) throws Exception {          //（1）建立SAX解析工厂          SAXParserFactory factory = SAXParserFactory.newInstance();          //（2）构造解析器          SAXParser parser = factory.newSAXParser();          //（3）解析XML使用handler          parser.parse("sax_demo.xml", new XmlSax());      }    }

通过上面的程序可以发现，使用SAX解析比使用DOM解析更加容易。

DOM解析与SAX解析的区别

有两者的特点可以发现两者的区别：DOM解析适合于对文件进行修改和随机存取的操作，但是不适合于大型文件的操作。SAX采用部分读取的方式，所以可以处理大型文件，而且只需要从文件中读取特定内容。SAX解析可以由用户自己建立自己的对象模型。

2.3、XML解析的好帮手：jdom

jdom是使用Java编写的，用于读、写、操作XML的一套组件。

jdom = dom 修改文件的有点 + SAX读取快速的优点

jdom的主要操作类

使用jdom生成XML文件

package com.jdom.demo;    import java.io.FileNotFoundException;  import java.io.FileOutputStream;  import java.io.IOException;    import org.jdom.Attribute;  import org.jdom.Document;  import org.jdom.Element;  import org.jdom.output.XMLOutputter;      public class WriteXml {      public static void main(String[] args) {          // 定义节点          Element addresslist = new Element("addresslist");          Element linkman = new Element("linkman");          Element name = new Element("name");          Element email = new Element("email");          // 定义属性          Attribute id = new Attribute("id", "xm");          // 声明一个Document对象          Document doc = new Document(addresslist);          // 设置元素的内容          name.setText("小明");          email.setText("xiaoming@163.com");          name.setAttribute(id);          // 设置子节点          linkman.addContent(name);          linkman.addContent(email);          // 将linkman加入根子节点          addresslist.addContent(linkman);          // 用来输出XML文件          XMLOutputter out = new XMLOutputter();          // 设置输出编码          out.setFormat(out.getFormat().setEncoding("GBK"));            // 输出XML文件          try {              out.output(doc, new FileOutputStream("jdom_write.xml"));          } catch (FileNotFoundException e) {              e.printStackTrace();          } catch (IOException e) {              e.printStackTrace();          }      }  }

// jdom_write.xml    <?xml version="1.0" encoding="GBK"?>  <addresslist>      <linkman>          <name id="xm">小明</name>          <email>xiaoming@163.com</email>      </linkman>  </addresslist>

使用jdom读取XML文件

package com.jdom.demo;    import java.io.IOException;  import java.util.List;    import org.jdom.Document;  import org.jdom.Element;  import org.jdom.JDOMException;  import org.jdom.input.SAXBuilder;    public class ReadXml {        public static void main(String[] args) throws JDOMException, IOException {          //建立SAX解析          SAXBuilder builder = new SAXBuilder();          //找到Document          Document readDoc = builder.build("jdom_write.xml");          //读取根元素          Element stu = readDoc.getRootElement();          //得到全部linkman子元素          List list = stu.getChildren("linkman");          for (int i = 0; i < list.size(); i++) {              Element e = (Element) list.get(i);              String name = e.getChildText("name");              String id = e.getChild("name").getAttribute("id").getValue();              String email = e.getChildText("email");              System.out.println("----联系人----");              System.out.println("姓名：" + name + "编号：" + id);              System.out.println("Email：" + email);          }      }    }

jdom是一种常见的操作组件在实际的开发中使用非常广泛。

2.4、解析工具：dom4j

dom4j也是一组XML操作组件包，主要用来读写XML文件，由于dom4j性能优异、功能强大，且具有易用性，所以现在已经被广泛地应用开来。如，Hibernate、Spring框架中都使用了dom4j进行XML的解析操作。开发时需要引入的jar包：dom4j-1.6.1.jar、lib/jaxen-1.1-beta-6.jar

dom4j中的所用操作接口都在org.dom4j包中定义。其他包根据需要把选择使用。

dom4j的主要接口

用dom4j生成XML文件：

package com.dom4j.demo;    import java.io.File;  import java.io.FileNotFoundException;  import java.io.FileOutputStream;  import java.io.IOException;  import java.io.UnsupportedEncodingException;    import org.dom4j.Document;  import org.dom4j.DocumentHelper;  import org.dom4j.Element;  import org.dom4j.io.OutputFormat;  import org.dom4j.io.XMLWriter;    public class Dom4jWrite {      public static void main(String[] args) {          // 创建文档          Document doc = DocumentHelper.createDocument();          // 定义个节点          Element addresslist = doc.addElement("addresslist");          Element linkman = addresslist.addElement("linkman");          Element name = linkman.addElement("name");          Element email = linkman.addElement("email");          // 设置节点内容          name.setText("小明");          email.setText("xiaoming@163.com");          // 设置输出格式          OutputFormat format = OutputFormat.createPrettyPrint();          // 指定输出编码          format.setEncoding("GBK");          try {              XMLWriter writer = new XMLWriter(new FileOutputStream(new File(                      "dom4j_demo.xml")), format);              writer.write(doc);              writer.close();          } catch (UnsupportedEncodingException e) {              e.printStackTrace();          } catch (FileNotFoundException e) {              e.printStackTrace();          } catch (IOException e) {              e.printStackTrace();          }        }  }

// dom4j_demo.xml    <?xml version="1.0" encoding="GBK"?>    <addresslist>    <linkman>      <name>小明</name>      <email>xiaoming@163.com</email>    </linkman>  </addresslist>

用dom4j读取XML文件：

package com.dom4j.demo;    import java.io.File;  import java.util.Iterator;    import org.dom4j.Document;  import org.dom4j.DocumentException;  import org.dom4j.Element;  import org.dom4j.io.SAXReader;    public class Dom4jRead {        public static void main(String[] args) {          //读取文件          File file = new File("dom4j_demo.xml");          //建立SAX解析读取          SAXReader reader = new SAXReader();          Document doc = null;          try {              //读取文档              doc = reader.read(file);          } catch (DocumentException e) {              e.printStackTrace();          }          //取得根元素          Element root = doc.getRootElement();          //取得全部的子节点          Iterator iter = root.elementIterator();          while (iter.hasNext()) {              //取得每一个linkman              Element linkman = (Element) iter.next();              System.out.println("姓名："+linkman.elementText("name"));              System.out.println("邮件地址："+linkman.elementText("email"));          }      }    }