XML 解析

Wu Jun 2020-01-01 22:43:49

Categories： > > Tags：

xml 文件除了给开发者看，更多的情况使用程序读取 xml 文件的内容。读取 xml 文档的过程就是 xml 解析

1 XML解析方式

Java库提供了两种XML解析器：

1.1 树型解析器：DOM 解析

DOM 解析器一次性把整个xml文档加载进内存，然后在内存中构建一个 Document 的对象树，通过 Document 对象，得到树上的节点对象，通过节点对象访问（操作）到 xml 文档的内容

1.2 流机制解析器：SAX 解析

DOM 解析对内存要求较高，处理大容量的 xml 文件容易溢出

SAX 解析原理是加载一点，读取一点，处理一点。对内存的要求较低。

2 DOM 解析

Document 对象是 XML 文档的树型结构在内存中的表示方式，它由实现了 Node 接口及其各种子接口的类的对象构成。

Document树只有一个根标签，树上的分支叫做节点（Node）

节点信息：节点名称，节点类型—>封装为 Node
标签节点：节点名称—>封装为 Element
属性节点：属性名称，属性值—>封装为 Attribute
文本节点：文本内容—>封装为 Text

2.1 DocumentBuilder

要读入一个 XML 文档，首先需要一个 DocumentBuilder 对象，可以从 DocumentBuilderFactory 获取

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();

2.2 读取文档

从文件

File f = ...;
Doucument doc = builder.parse(f);

从URL

URL u = ...;
Document doc = builder.parse(u);

从任意输入流

InputStream in = ...;
Document doc = builder.parse(in);

2.3 分析文档

1）获取元素

根元素

Element root = doc.getDocumentElement();

子元素

返回子元素集合，包含元素间空白

NodeList children = root.getChildNodes();

忽略空白字符

for(int i = 0; i < children.getLengrh(); i++){
    Node child = children.item(i);
    if(child instanceif Element){
        Element childElement = (Element)child;
        ...
    }
}

getFirstChild\getLastChild

兄弟元素

getNextSibling

2）取值

标签名

String tagName = root.getTagName();

文本值

getData 获取存储在 Text 节点中的字符串

属性

getAttributes 返回包含了描述属性的 NamedNodeMap。

NamedNodeMap attributes = element.getAttributes();
for(int i = 0; i < attributes.getLengrh(); i++){
    Node attribute = attributes.item(i);
    String name = attribute.getNodeName();
    String value = attribute.getNodeValue();
}

getAttribute(name)

如果文档很大，并且处理算法又非常简单，可以在运行时解析节点，而不必看到完整的树形结构，应该使用流机制解析器（streaming parser）。

Java类库提供的流机制解析器：老而弥坚的SAX解析器和添加到Java SE 6中的更现代化的StAX解析器。SAX解析器使用的是事件回调（event callback），而StAX解析器提供了遍历解析事件的迭代器，后者用起来通常更方便一些。

3 SAX 解析器

3.1 获得SAX解析器

SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser parser = factory.newSAXParser();

3.2 解析文档

parser.parse(source, handler);

source 可以是一个文件、一个URL字符串或者是一个输入流。handler 属于 DefaultHandler 的一个子类，包括 ContentHandler,DTDHandler,EntityResolver,ErrorHandler。

ContentHandler 接口定义了若干个在解析文档时解析器会调用的回调方法。

startElement 和 endElement 在每当遇到起始或终止标签时调用。
characters 在每当遇到字符数据时调用。
startDocument 和 endDocument 分别在文档开始和结束时各调用一次。

4 StAX 解析器

StAX 解析器是一种“拉解析器（pull parser）”

InputStream in = url.openStream();
XMLInputFactory factory = XMLInputFactory.newInstance();
XMLStreamReader parser = factory.createXMLStreamReader(in);
while(parser.hasNext()){
    int event = parser.next();
    //Call parser methods 
}

XMLStreamReader 的 getAttributeValue 获取当前元素属性

String units = parser.getAttributeValue(null, "units");

验证 XML 文档

XSL 转换