使用DOM

因为XML是一种树形结构的文档，它有两种标准的解析API：

  • DOM：一次性读取XML，并在内存中表示为树形结构；
  • SAX：以流的形式读取XML，使用事件回调。

我们先来看如何使用DOM来读取XML。

DOM是Document Object Model的缩写，DOM模型就是把XML结构作为一个树形结构处理，从根节点开始，每个节点都可以包含任意个子节点。

我们以下面的XML为例：

  1. <?xml version="1.0" encoding="UTF-8" ?>
  2. <book id="1">
  3.     <name>Java核心技术</name>
  4.     <author>Cay S. Horstmann</author>
  5.     <isbn lang="CN">1234567</isbn>
  6.     <tags>
  7.         <tag>Java</tag>
  8.         <tag>Network</tag>
  9.     </tags>
  10.     <pubDate/>
  11. </book>

如果解析为DOM结构，它大概长这样：

  1.                       ┌─────────┐
  2.                       │document │
  3.                       └─────────┘
  4.                            │
  5.                            ▼
  6.                       ┌─────────┐
  7.                       │  book   │
  8.                       └─────────┘
  9.                            │
  10.      ┌──────────┬──────────┼──────────┬──────────┐
  11.      ▼          ▼          ▼          ▼          ▼
  12. ┌─────────┐┌─────────┐┌─────────┐┌─────────┐┌─────────┐
  13. │  name   ││ author  ││  isbn   ││  tags   ││ pubDate │
  14. └─────────┘└─────────┘└─────────┘└─────────┘└─────────┘
  15.                                       │
  16.                                  ┌────┴────┐
  17.                                  ▼         ▼
  18.                              ┌───────┐ ┌───────┐
  19.                              │  tag  │ │  tag  │
  20.                              └───────┘ └───────┘

注意到最顶层的document代表XML文档，它是真正的“根”，而<book>虽然是根元素，但它是document的一个子节点。

Java提供了DOM API来解析XML，它使用下面的对象来表示XML的内容：

  • Document：代表整个XML文档；
  • Element：代表一个XML元素；
  • Attribute：代表一个元素的某个属性。

使用DOM API解析一个XML文档的代码如下：

  1. InputStream input = Main.class.getResourceAsStream("/book.xml");
  2. DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
  3. DocumentBuilder db = dbf.newDocumentBuilder();
  4. Document doc = db.parse(input);

DocumentBuilder.parse()用于解析一个XML，它可以接收InputStream，File或者URL，如果解析无误，我们将获得一个Document对象，这个对象代表了整个XML文档的树形结构，需要遍历以便读取指定元素的值：

  1. void printNode(Node n, int indent) {
  2.     for (int i = 0; i < indent; i++) {
  3.         System.out.print(' ');
  4.     }
  5.     switch (n.getNodeType()) {
  6.     case Node.DOCUMENT_NODE: // Document节点
  7.         System.out.println("Document: " + n.getNodeName());
  8.         break;
  9.     case Node.ELEMENT_NODE: // 元素节点
  10.         System.out.println("Element: " + n.getNodeName());
  11.         break;
  12.     case Node.TEXT_NODE: // 文本
  13.         System.out.println("Text: " + n.getNodeName() + " = " + n.getNodeValue());
  14.         break;
  15.     case Node.ATTRIBUTE_NODE: // 属性
  16.         System.out.println("Attr: " + n.getNodeName() + " = " + n.getNodeValue());
  17.         break;
  18.     default: // 其他
  19.         System.out.println("NodeType: " + n.getNodeType() + ", NodeName: " + n.getNodeName());
  20.     }
  21.     for (Node child = n.getFirstChild(); child != null; child = child.getNextSibling()) {
  22.         printNode(child, indent + 1);
  23.     }
  24. }

解析结构如下：

  1. Document: #document
  2.  Element: book
  3.   Text: #text = 
  5.   Element: name
  6.    Text: #text = Java核心技术
  7.   Text: #text = 
  9.   Element: author
  10.    Text: #text = Cay S. Horstmann
  11.   Text: #text = 
  12.   ...

对于DOM API解析出来的结构，我们从根节点Document出发，可以遍历所有子节点，获取所有元素、属性、文本数据，还可以包括注释，这些节点被统称为Node，每个Node都有自己的Type，根据Type来区分一个Node到底是元素，还是属性，还是文本，等等。

使用DOM API时，如果要读取某个元素的文本，需要访问它的Text类型的子节点，所以使用起来还是比较繁琐的。

练习

从使用DOM - 图1下载练习：使用DOM解析XML （推荐使用IDE练习插件快速下载）

小结

Java提供的DOM API可以将XML解析为DOM结构，以Document对象表示；

DOM可在内存中完整表示XML数据结构；

DOM解析速度慢，内存占用大。

读后有收获可以支付宝请作者喝咖啡：

使用DOM - 图2