第四章 IO和XML - 4.10 XML解析 - 《Java核心API与高级编程实践》

4.10 XML解析

4.10 XML解析

在介绍XML概述中提到过，XML文档的应用范围主要有存储数据、系统配置和数据交换。也就是说，作为程序员，需要编写程序读取XML文档中的数据，或将数据写入XML文档。目前最常用的XML解析技术有：DOM和SAX。JDK提供了JAXP来使用DOM和SAX，其中org.w3c.dom是W3C推荐的用于使用DOM解析XML文档的接口，org.xml.sax是使用SAX解析XML文档的接口，javax.xml.parsers是提供允许处理XML文档的类，支持DOM和SAX。本章重点介绍DOM解析，对SAX解析方法仅作简要介绍，不展开讲解。

4.10.1 DOM树

DOM（Document Object Model）是XML文档的应用程序接口，它定义了对XML文档进行随机访问与操作的方法。DOM是一个与语言无关、与平台无关的标准接口规范。利用DOM，程序开发人员可以动态地创建XML文档，遍历文档结构，添加、修改、删除文档内容，改变文档的显示方式等。可以这样说，文档代表的是数据，而DOM则代表了如何去处理这些数据。

DOM把一个XML文档映射成一个分层对象模型，而这个层次的结构，是一棵根据XML文档生成的节点树。DOM在对XML文档进行分析之后，不管这个文档有多简单或多复杂，其中的信息都会被转化成一棵对象节点树。在这棵节点树中，有一个根节点，其他所有的节点都是根节点的子节点。节点树生成之后，就可以通过DOM接口访问、修改、添加、删除树中的节点或内容了。

对DOM树的操作，主要通过以下几个接口。

1．Node接口

Node接口在整个DOM树中具有举足轻重的地位，DOM接口中有很大一部分接口是从Node接口继承过来的，例如Document（根节点）、Element（元素）、Attr（属性）、Comment（注释）、Text（元素或属性的文本内容）等接口都是从Node继承过来的。在DOM树中，Node接口代表了树中的一个节点。Node接口的常用方法如下。

NodeList getChildNodes()

返回此节点的所有子节点的NodeList。

Node getFirstChild()

返回此节点的第一个子节点。

Node getLastChild()

返回此节点的最后一个子节点。

Node getNextSibling()

返回此节点之后的节点。

Node getPreviousSibling()

返回此节点之前的节点。

Document getOwnerDocument()

返回与此节点相关的Document对象。

Node getParentNode(

返回此节点的父节点。

short getNodeType()

返回此节点的类型。

String getNodeName()

根据此节点类型，返回节点名称。

String getNodeValue()

根据此节点类型，返回节点值。

前面已经提到，DOM中很多接口都是从Node接口继承的，所以Node接口拥有的方法这些接口都可以使用。但是这些从Node接口继承下来的接口又都各有特性，所以Node接口拥有的方法在各个子接口上的返回值含义不尽相同。例如，对于Element（元素接口）的getNodeType()的返回值为Node.ELEMENT_NODE常量，getNodeName()的返回值为标签名称，getNodeValue()的返回值为null。表4.1列出了nodeName、nodeValue 和 attributes 的值将根据接口类型的不同而不同，这对于XML解析的初学者而言是个难点，请大家务必结合后面的例子，深刻理解。

表4.1 Node子接口属性值

Interface	nodeName	nodeValue	attributes
Attr	与Attr.name相同	与Attr.value相同	null
CDATASection	“#cdata-section”	与CharacterData.data相同，CDATA 节的内容	null
Comment	“#comment”	与CharacterData.data相同，该注释的内容	null
Document	“#document”	null	null
DocumentFragment	“#document-fragment”	null	null
DocumentType	与DocumentType.name相同	null	null
Element	与Element.tagName相同	null	NamedNodeMap
Entity	entity name	null	null
EntityReference	引用的实体名称	null	null
Notation	notation name	null	null
ProcessingInstruction	与ProcessingInstruction.target相同	与ProcessingInstruction.data相同	null
Text	“#text”	与CharacterData.data相同，该文本节点的内容	null

String getTextContent()

返回此节点的文本内容。

void setNodeValue(String nodeValue)

根据此节点类型，设置节点值。

void setTextContent(String textContent)

设置此节点的文本内容。

Node appendChild(Node newChild)

将节点newChild添加到此节点的子节点列表的末尾。

Node insertBefore(Node newChild,Node refChild)

在现有子节点refChild之前插入节点newChild。

Node removeChild(Node oldChild)

从子节点列表中移除oldChild所指示的子节点，并将其返回。

Node replaceChild(Node newChild, oldChild)

将子节点列表中的子节点oldChild替换为newChild，并返回oldChild节点。

2．Document接口

Document接口表示DOM树中的根节点，即对XML文档进行操作的入口节点。通过Document节点，可以访问到文档中的其他节点。Document接口的常用方法如下：

Element getDocumentElement()

返回代表这个DOM树根节点的Element对象。

NodeList getElementsByTagName(String tagname)

按文档顺序返回包含在文档中且具有给定标记名称的所有Element的NodeList。

3．NodeList接口

NodeList接口提供了对节点集合的抽象定义，包含了一个或多个节点（Node）的有序集合。NodeList接口的常用方法如下。

int getLength()

返回有序集合中的节点数。

Node item(int index)

返回有序集合中的第index个项。

4.10.2 DOM解析XML

使用DOM解析XML文档的步骤如下。

（1）创建解析器工厂，即DocumentBuilderFactory对象。

（2）通过解析器工厂获得DOM解析器，即DocumentBuilder对象。

（3）解析指定XML文档，得到DOM节点树。

（4）对DOM节点树进行操作，完成对XML文档的增删改查。

下面使用DOM对之前编写的用于存放“租车系统”车辆信息的vehicles.xml文档进行解析，并输出“租车系统”中有几种类型的车，“租车系统”中有几辆卡车，并详细输出每辆卡车的id属性及详细信息，程序运行结果如图4.8所示。

图4.8 使用DOM解析vehicles.xml

具体代码如下（需要大家认真阅读代码中的注释，理解含义）：

import java.io.*;
import javax.xml.parsers.*;
import org.w3c.dom.*;
import org.xml.sax.SAXException;
public class TestDOM {
         public static void main(String[] args) {
                  try {
                           //创建解析器工厂
                           DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
                           //通过解析器工厂获得DOM解析器
                           DocumentBuilder db = dbf.newDocumentBuilder();
                           //解析指定XML文档，得到DOM节点树
                           Document doc = db.parse("vehicles.xml");
                           //得到根节点下的所有子节点
                           NodeList vehicles = doc.getChildNodes();
                           System.out.println("“租车系统”中共有" + vehicles.getLength() + "种类型的车！");
                           //得到所有<truck>节点列表信息
                           NodeList truckList = doc.getElementsByTagName("truck");                         
                           System.out.println("“租车系统”中共有" + truckList.getLength() + "辆卡车！");
                           //遍历所有卡车
                           for (int i = 0; i < truckList.getLength(); i++) {
                                    //获取索引为i的卡车
                                    Node truck = truckList.item(i);
                                    //获取卡车属性值并显示
                                    Element element = (Element) truck;
                                    String idValue = element.getAttribute("id");
                                    //以下通过属性值获得属性节点，再通过属性节点getNodeValue()获得属性值
                                    //Node attr = element.getAttributeNode("id");
                                    //String idValue = attr.getNodeValue();
                                    System.out.println("id为" + idValue + "的卡车信息为：");
                                    //获取索引为i的卡车详细信息并输出
                                    for (Node node = truck.getFirstChild(); node != null; node = node.getNextSibling()) {
                                             //根据节点类型进行判断，显示元素节点信息，例如 <oil>20</oil>
                                             if (node.getNodeType() == Node.ELEMENT_NODE){
                                                      //元素节点的节点名即为标签名，例如oil
                                                      String name = node.getNodeName();
                                                      //元素节点<oil>20</oil>下第一个子节点为文本节点20，得到节点值20
                                                      String value = node.getFirstChild().getNodeValue();
                                                      System.out.println("  " + name + "：" + value + "；");
                                             }
                                    }
                           }
                  } catch (ParserConfigurationException e) {
                           e.printStackTrace();
                  } catch (SAXException e) {
                           e.printStackTrace();
                  } catch (IOException e) {
                           e.printStackTrace();
                  }
         }
}

在上面的代码中，用到了根节点、属性节点、元素节点和文本节点，它们的nodeName、nodeValue和attributes 的值含义各不相同，需要注意。

4.10.3 SAX解析XML

相比于DOM，SAX（Simple API for XML）是一种速度更快、更有效的解析XML文档的方法。它不需要一次性建立一个完整的DOM树，而是读取文档时激活事件进行处理。

DOM是W3C标准，提供的是标准的解析方式，但其解析效率一直不尽如人意。这是因为DOM解析XML文档时，把所有内容一次性装载入内存，并构建一个驻留在内存中的节点树。如果需要解析的XML文档过大，或者只对该文档中的一部分内容感兴趣，这种做法就会引起性能问题。

SAX既是一个接口，也是一个软件包。SAX在解析XML时是事件驱动型的，它的工作原理简单地说就是对文档进行顺序扫描，当扫描到文档开始与结束、元素开始与结束等地方时通知事件处理程序，由事件处理程序做相应动作，然后继续同样的扫描，直至文档结束。SAX的缺点也很明显，要用SAX对XML文档进行解析时，就要实现多个事件处理程序用来处理可能触发的事件，对程序员而言操作起来相对复杂。