Dom4j详解

dom4j
　　它的主要接口都在org.dom4j这个包里定义：
　　Attribute Attribute定义了XML的属性
　　Branch Branch为能够包含子节点的节点如XML元素(Element)和文档(Docuemnts)定义了一个公共的行为，
　　CDATA CDATA 定义了XML CDATA 区域
　　CharacterData CharacterData是一个标识借口，标识基于字符的节点。如CDATA，Comment, Text.
　　Comment Comment 定义了XML注释的行为
　　Document 定义了XML文档
　　DocumentType DocumentType 定义XML DOCTYPE声明
　　Element Element定义XML 元素
　　ElementHandler ElementHandler定义了 Element 对象的处理器
　　ElementPath 被 ElementHandler 使用，用于取得当前正在处理的路径层次信息
　　Entity Entity定义 XML entity
　　Node Node为所有的dom4j中XML节点定义了多态行为
　　NodeFilter NodeFilter 定义了在dom4j节点中产生的一个滤镜或谓词的行为（predicate）
　　ProcessingInstruction ProcessingInstruction 定义 XML 处理指令.
　　Text Text 定义XML 文本节点.
　　Visitor Visitor 用于实现Visitor模式.
　　XPath XPath 在分析一个字符串后会提供一个XPath 表达式
　　看名字大致就知道它们的涵义如何了。
　　要想弄懂这套接口，关键的是要明白接口的继承关系：
　　

interface java.lang.Cloneable 
　　interface org.dom4j.Node 
　　interface org.dom4j.Attribute 
　　interface org.dom4j.Branch 
　　interface org.dom4j.Document 
　　interface org.dom4j.Element 
　　interface org.dom4j.CharacterData 
　　interface org.dom4j.CDATA 
　　interface org.dom4j.Comment 
　　interface org.dom4j.Text 
　　interface org.dom4j.DocumentType 
　　interface org.dom4j.Entity 
　　interface org.dom4j.ProcessingInstruction 

　　一目了然，很多事情都清楚了。大部分都是由Node继承来的。知道这些关系，将来写程序就不会出现ClassCastException了。
　　下面给出一些例子（部分摘自DOM4J自带的文档），简单说一下如何使用。
　　１． 读取并解析XML文档：
　　读写XML文档主要依赖于org.dom4j.io包，其中提供DOMReader和SAXReader两类不同方式，而调用方式是一样的。这就是依靠接口的好处。
　　

// 从文件读取XML，输入文件名，返回XML文档
　　public Document read(String fileName) throws MalformedURLException, DocumentException {
　　SAXReader reader = new SAXReader();
　　Document document = reader.read(new File(fileName));
　　return document;
　　}

　　其中，reader的read方法是重载的，可以从InputStream, File, Url等多种不同的源来读取。得到的Document对象就带表了整个XML。
　　根据本人自己的经验，读取的字符编码是按照XML文件头定义的编码来转换。如果遇到乱码问题，注意要把各处的编码名称保持一致即可。
　　２． 取得Root节点
　　读取后的第二步，就是得到Root节点。熟悉XML的人都知道，一切XML分析都是从Root元素开始的。
　　

public Element getRootElement(Document doc){
　　return doc.getRootElement();
　　}

　　３． 遍历XML树
　　DOM4J提供至少3种遍历节点的方法：
　　1) 枚举(Iterator)
　　

// 枚举所有子节点
　　for ( Iterator i = root.elementIterator(); i.hasNext(); ) {
　　Element element = (Element) i.next();
　　// do something
　　}
　　// 枚举名称为foo的节点
　　for ( Iterator i = root.elementIterator(foo); i.hasNext();) {
　　Element foo = (Element) i.next();
　　// do something
　　}
　　// 枚举属性
　　for ( Iterator i = root.attributeIterator(); i.hasNext(); ) {
　　Attribute attribute = (Attribute) i.next();
　　// do something
　　} 

　　2)递归
　　递归也可以采用Iterator作为枚举手段，但文档中提供了另外的做法
　　

public void treeWalk() {
　　treeWalk(getRootElement());
　　}
　　public void treeWalk(Element element) {
　　for (int i = 0, size = element.nodeCount(); i < size; i++) {
　　Node node = element.node(i);
　　if (node instanceof Element) {
　　treeWalk((Element) node);
　　} else { // do something....
　　}
　　}
　　}

　　3) Visitor模式
　　最令人兴奋的是DOM4J对Visitor的支持，这样可以大大缩减代码量，并且清楚易懂。了解设计模式的人都知道，Visitor是GOF设计模式之一。其主要原理就是两种类互相保有对方的引用，并且一种作为Visitor去访问许多Visitable。我们来看DOM4J中的Visitor模式(快速文档中没有提供)
　　只需要自定一个类实现Visitor接口即可。
　　

public class MyVisitor extends VisitorSupport {
　　public void visit(Element element){
　　System.out.println(element.getName());
　　}
　　public void visit(Attribute attr){
　　System.out.println(attr.getName());
　　}
　　}

　　调用： root.accept(new MyVisitor())
　　Visitor接口提供多种Visit()的重载，根据XML不同的对象，将采用不同的方式来访问。上面是给出的Element和Attribute的简单实现，一般比较常用的就是这两个。VisitorSupport是DOM4J提供的默认适配器，Visitor接口的Default Adapter模式，这个模式给出了各种visit(*)的空实现，以便简化代码。
　　注意，这个Visitor是自动遍历所有子节点的。如果是root.accept(MyVisitor)，将遍历子节点。我第一次用的时候，认为是需要自己遍历，便在递归中调用Visitor，结果可想而知。
　　4. XPath支持
　　DOM4J对XPath有良好的支持，如访问一个节点，可直接用XPath选择。
　　

public void bar(Document document) {
　　List list = document.selectNodes( //foo/bar );
　　Node node = document.selectSingleNode(//foo/bar/author);
　　String name = node.valueOf( @name );
　　}
　　例如，如果你想查找XHTML文档中所有的超链接，下面的代码可以实现： 
　　public void findLinks(Document document) throws DocumentException {
　　List list = document.selectNodes( //a/@href );
　　for (Iterator iter = list.iterator(); iter.hasNext(); ) {
　　Attribute attribute = (Attribute) iter.next();
　　String url = attribute.getValue();
　　}
　　}

　　5. 字符串与XML的转换
　　有时候经常要用到字符串转换为XML或反之，
　　

// XML转字符串 
　　Document document = ...;
　　String text = document.asXML();
　　// 字符串转XML
　　String text = <name>James</name> </person>;
　　Document document = DocumentHelper.parseText(text);
　　6 用XSLT转换XML
　　public Document styleDocument(
　　Document document, 
　　String stylesheet
　　) throws Exception {
　　// load the transformer using JAXP
　　TransformerFactory factory = TransformerFactory.newInstance();
　　Transformer transformer = factory.newTransformer( 
　　new StreamSource( stylesheet ) 
　　);
　　// now lets style the given document
　　DocumentSource source = new DocumentSource( document );
　　DocumentResult result = new DocumentResult();
　　transformer.transform( source, result );
　　// return the transformed document
　　Document transformedDoc = result.getDocument();
　　return transformedDoc;
　　}

　　7. 创建XML
　　一般创建XML是写文件前的工作，这就像StringBuffer一样容易。
　　

public Document createDocument() {
　　Document document = DocumentHelper.createDocument();
　　Element root = document.addElement(root);
　　Element author1 =
　　root
　　.addElement(author)
　　.addAttribute(name, James)
　　.addAttribute(location, UK)
　　.addText(James Strachan);
　　Element author2 =
　　root
　　.addElement(author)
　　.addAttribute(name, Bob)
　　.addAttribute(location, US)
　　.addText(Bob McWhirter);
　　return document;
　　}

　　8. 文件输出
　　一个简单的输出方法是将一个Document或任何的Node通过write方法输出
　　

FileWriter out = new FileWriter( foo.xml );
　　document.write(out);

　　如果你想改变输出的格式，比如美化输出或缩减格式，可以用XMLWriter类
　　

public void write(Document document) throws IOException {
　　// 指定文件
　　XMLWriter writer = new XMLWriter(
　　new FileWriter( output.xml )
　　);
　　writer.write( document );
　　writer.close();
　　// 美化格式
　　OutputFormat format = OutputFormat.createPrettyPrint();
　　writer = new XMLWriter( System.out, format );
　　writer.write( document );
　　// 缩减格式
　　format = OutputFormat.createCompactFormat();
　　writer = new XMLWriter( System.out, format );
　　writer.write( document );
　　}

　　如何，DOM4J够简单吧，当然，还有一些复杂的应用没有提到，如ElementHandler等。如果你动心了，那就一起来用DOM4J.

　　2． 示例XML文档（holen.xml）
　　为了述说方便，先看一个XML文档，之后的操作均以此文档为基础。
　　holen.xml
　　

<?xml version="1.0" encoding="UTF-8"?>
　　<books>
　　<!--This is a test for dom4j, holen, 2004.9.11-->
　　<book show="yes">
　　<title>Dom4j Tutorials</title>
　　</book>
　　<book show="yes">
　　<title>Lucene Studing</title>
　　</book>
　　<book show="no">
　　<title>Lucene in Action</title>
　　</book>
　　<owner>O'Reilly</owner>
　　</books> 

　　这是一个很简单的XML文档，场景是一个网上书店，有很多书，每本书有两个属性，一个是书名，一个为是否展示[show]，最后还有一项是这些书的拥有者[owner]信息。
　　3． 建立一个XML文档
　

　/**
　　* 建立一个XML文档,文档名由输入属性决定
　　* @param filename 需建立的文件名
　　* @return 返回操作结果, 0表失败, 1表成功
　　*/
　　public int createXMLFile(String filename){
　　/** 返回操作结果, 0表失败, 1表成功 */
　　int returnValue = 0;
　　/** 建立document对象 */
　　Document document = DocumentHelper.createDocument();
　　/** 建立XML文档的根books */
　　Element booksElement = document.addElement("books");
　　/** 加入一行注释 */
　　booksElement.addComment("This is a test for dom4j, holen, 2004.9.11");
　　/** 加入第一个book节点 */
　　Element bookElement = booksElement.addElement("book");
　　/** 加入show属性内容 */
　　bookElement.addAttribute("show","yes");
　　/** 加入title节点 */
　　Element titleElement = bookElement.addElement("title");
　　/** 为title设置内容 */
　　titleElement.setText("Dom4j Tutorials");
　　/** 类似的完成后两个book */
　　bookElement = booksElement.addElement("book");
　　bookElement.addAttribute("show","yes");
　　titleElement = bookElement.addElement("title");
　　titleElement.setText("Lucene Studing");
　　bookElement = booksElement.addElement("book");
　　bookElement.addAttribute("show","no");
　　titleElement = bookElement.addElement("title");
　　titleElement.setText("Lucene in Action");
　　/** 加入owner节点 */
　　Element ownerElement = booksElement.addElement("owner");
　　ownerElement.setText("O'Reilly");
　　try{
　　/** 将document中的内容写入文件中 */
　　XMLWriter writer = new XMLWriter(new FileWriter(new File(filename)));
　　writer.write(document);
　　writer.close();
　　/** 执行成功,需返回1 */
　　returnValue = 1;
　　}catch(Exception ex){
　　ex.printStackTrace();
　　}
　　return returnValue;
　　} 

　　说明：
　　Document document = DocumentHelper.createDocument();
　　通过这句定义一个XML文档对象。
　　Element booksElement = document.addElement("books");
　　通过这句定义一个XML元素，这里添加的是根节点。
　　Element有几个重要的方法：
　　l addComment：添加注释
　　l addAttribute：添加属性
　　l addElement：添加子元素
　　最后通过XMLWriter生成物理文件，默认生成的XML文件排版格式比较乱，可以通过OutputFormat类的createCompactFormat()方法或createPrettyPrint()方法格式化输出，默认采用createCompactFormat()方法，显示比较紧凑，这点将在后面详细谈到。
　　生成后的holen.xml文件内容如下：
　　

<?xml version="1.0" encoding="UTF-8"?>
　　<books><!--This is a test for dom4j, holen, 2004.9.11--><book show="yes"><title>Dom4j Tutorials</title></book><book show="yes"><title>Lucene Studing</title></book><book show="no"><title>Lucene in Action</title></book><owner>O'Reilly</owner></books> 

　　4． 修改XML文档
　　有三项修改任务，依次为：
　　l 如果book节点中show属性的内容为yes,则修改成no
　　l 把owner项内容改为Tshinghua，并添加date节点
　　l 若title内容为Dom4j Tutorials,则删除该节点
　　

/**
　　* 修改XML文件中内容,并另存为一个新文件
　　* 重点掌握dom4j中如何添加节点,修改节点,删除节点
　　* @param filename 修改对象文件
　　* @param newfilename 修改后另存为该文件
　　* @return 返回操作结果, 0表失败, 1表成功
　　*/
　　public int ModiXMLFile(String filename,String newfilename){
　　int returnValue = 0;
　　try{
　　SAXReader saxReader = new SAXReader(); 
　　Document document = saxReader.read(new File(filename));
　　/** 修改内容之一: 如果book节点中show属性的内容为yes,则修改成no */
　　/** 先用xpath查找对象 */
　　List list = document.selectNodes("/books/book/@show" ); 
　　Iterator iter = list.iterator();
　　while(iter.hasNext()){
　　Attribute attribute = (Attribute)iter.next();
　　if(attribute.getValue().equals("yes")){
　　attribute.setValue("no");
　　} 
　　}
　　/**
　　* 修改内容之二: 把owner项内容改为Tshinghua
　　* 并在owner节点中加入date节点,date节点的内容为2004-09-11,还为date节点添加一个属性type
　　*/
　　list = document.selectNodes("/books/owner" );
　　iter = list.iterator();
　　if(iter.hasNext()){
　　Element ownerElement = (Element)iter.next();
　　ownerElement.setText("Tshinghua");
　　Element dateElement = ownerElement.addElement("date");
　　dateElement.setText("2004-09-11");
　　dateElement.addAttribute("type","Gregorian calendar");
　　}
　　/** 修改内容之三: 若title内容为Dom4j Tutorials,则删除该节点 */
　　list = document.selectNodes("/books/book");
　　iter = list.iterator();
　　while(iter.hasNext()){
　　Element bookElement = (Element)iter.next();
　　Iterator iterator = bookElement.elementIterator("title");
　　while(iterator.hasNext()){
　　Element titleElement=(Element)iterator.next();
　　if(titleElement.getText().equals("Dom4j Tutorials")){
　　bookElement.remove(titleElement);
　　}
　　}
　　} 
　　try{
　　/** 将document中的内容写入文件中 */
　　XMLWriter writer = new XMLWriter(new FileWriter(new File(newfilename)));
　　writer.write(document);
　　writer.close();
　　/** 执行成功,需返回1 */
　　returnValue = 1;
　　}catch(Exception ex){
　　ex.printStackTrace();
　　}
　　}catch(Exception ex){
　　ex.printStackTrace();
　　}
　　return returnValue;
　　}

　　说明：
　　

List list = document.selectNodes("/books/book/@show" );
　　list = document.selectNodes("/books/book");

　　上述代码通过xpath查找到相应内容。
　　通过setValue()、setText()修改节点内容。
　　通过remove()删除节点或属性。
　　5． 格式化输出和指定编码
　　默认的输出方式为紧凑方式，默认编码为UTF-8，但对于我们的应用而言，一般都要用到中文，并且希望显示时按自动缩进的方式的显示，这就需用到OutputFormat类。
　　

/**
　　* 格式化XML文档,并解决中文问题
　　* @param filename
　　* @return
　　*/
　　public int formatXMLFile(String filename){
　　int returnValue = 0;
　　try{
　　SAXReader saxReader = new SAXReader(); 
　　Document document = saxReader.read(new File(filename));
　　XMLWriter writer = null;
　　/** 格式化输出,类型IE浏览一样 */
　　OutputFormat format = OutputFormat.createPrettyPrint();
　　/** 指定XML编码 */
　　format.setEncoding("GBK");
　　writer= new XMLWriter(new FileWriter(new File(filename)),format);
　　writer.write(document);
　　writer.close(); 
　　/** 执行成功,需返回1 */
　　returnValue = 1; 
　　}catch(Exception ex){
　　ex.printStackTrace();
　　}
　　return returnValue;
　　} 

　　说明：
　　

OutputFormat format = OutputFormat.createPrettyPrint();

　　这句指定了格式化的方式为缩进式，则非紧凑式。
　　

format.setEncoding("GBK");

　　指定编码为GBK。
　

　XMLWriter writer = new XMLWriter(new FileWriter(new File(filename)),format);

　　这与前面两个方法相比，多加了一个OutputFormat对象，用于指定显示和编码方式。
　　

Parsing XML  
 
    或许你想要做的第一件事情就是解析一个某种类型的XML文档，用dom4j很容易做到。请看下面的示范代码：  
 

import java.net.URL;   
  
import org.dom4j.Document;   
import org.dom4j.DocumentException;   
import org.dom4j.io.SAXReader;   
  
public class Foo {   
  
    public Document parse(URL url) throws DocumentException {   
        SAXReader reader = new SAXReader();   
        Document document = reader.read(url);   
        return document;   
    }   
}   

使用迭代器（Iterators）  
    我们可以通过多种方法来操作XML文档，这些方法返回java里标准的迭代器（Iterators）。例如：  
 

public void bar(Document document) throws DocumentException {   
        Element root = document.getRootElement();   
        //迭代根元素下面的所有子元素   
        for ( Iterator i = root.elementIterator(); i.hasNext(); ) {   
            Element element = (Element) i.next();   
            //处理代码   
        }   
  
        //迭代根元素下面名称为"foo"的子元素   
        for ( Iterator i = root.elementIterator( "foo" ); i.hasNext(); ) {   
            Element foo = (Element) i.next();   
            //处理代码   
        }   
  
        // 迭代根元素的属性attributes）元素   
        for ( Iterator i = root.attributeIterator(); i.hasNext(); ) {   
            Attribute attribute = (Attribute) i.next();   
            // do something   
        }   
     }   

强大的XPath导航  
    在dom4j中XPath可以表示出在XML树状结构中的Document或者任意的节点（Node）（例如：Attribute，Element 或者ProcessingInstruction等）。它可以使在文档中复杂的操作仅通过一行代码就可以完成。例如：  
 

public void bar(Document document) {   
        List list = document.selectNodes( "//foo/bar" );   
        Node node = document.selectSingleNode( "//foo/bar/author" );   
        String name = node.valueOf( "@name" );   
    }  

 
    如果你想得到一个XHTML文档中的所有超文本链接（hypertext links）你可以使用下面的代码：  
 
  

 public void findLinks(Document document) throws DocumentException {   
  
        List list = document.selectNodes( "//a/@href" );   
  
        for (Iterator iter = list.iterator(); iter.hasNext(); ) {   
            Attribute attribute = (Attribute) iter.next();   
            String url = attribute.getValue();   
        }   
    }   

    如果你需要关于XPath语言的任何帮助，我们强烈推荐这个站点Zvon tutorial他会通过一个一个的例子引导你学习。  
快速遍历（Fast Looping）  
如果你不得不遍历一个非常大的XML文档，然后才去执行，我们建议你使用快速遍历方法（fast looping method），它可以避免为每一个循环的节点创建一个迭代器对象,如下所示：  
 

public void treeWalk(Document document) {   
        treeWalk( document.getRootElement() );   
    }   
  
    public void treeWalk(Element element) {   
        for ( int i = 0, size = element.nodeCount(); i < size; i++ ) {   
            Node node = element.node(i);   
            if ( node instanceof Element ) {   
                treeWalk( (Element) node );   
            }   
            else {   
                // do something....   
            }   
        }   
    }   

生成一个新的XML文档对象  
    在dom4j中你可能常常希望用程序生成一个XML文档对象，下面的程序为你进行了示范：  
 

import org.dom4j.Document;   
import org.dom4j.DocumentHelper;   
import org.dom4j.Element;   
  
public class Foo {   
  
    public Document createDocument() {   
        Document document = DocumentHelper.createDocument();   
        Element root = document.addElement( "root" );   
  
        Element author1 = root.addElement( "author" )   
            .addAttribute( "name", "James" )   
            .addAttribute( "location", "UK" )   
            .addText( "James Strachan" );   
           
        Element author2 = root.addElement( "author" )   
            .addAttribute( "name", "Bob" )   
            .addAttribute( "location", "US" )   
            .addText( "Bob McWhirter" );   
  
        return document;   
    }   
}   

将一个文档对象写入文件中  
    将一个文档对象写入Writer对象的一个简单快速的途径是通过write()方法。  
 
      

 FileWriter out = new FileWriter( "foo.xml" );   
        document.write( out );  

 
如果你想改变输出文件的排版格式，比如你想要一个漂亮的格式或者是一个紧凑的格式，或者你想用Writer 对象或者OutputStream 对象来操作，那么你可以使用XMLWriter 类。  
 

import org.dom4j.Document;   
import org.dom4j.io.OutputFormat;   
import org.dom4j.io.XMLWriter;   
  
public class Foo {   
  
    public void write(Document document) throws IOException {   
  
        // 写入文件   
        XMLWriter writer = new XMLWriter(   
            new FileWriter( "output.xml" )   
        );   
        writer.write( document );   
        writer.close();   
  
  
        // 以一种优雅的格式写入System.out对象   
        OutputFormat format = OutputFormat.createPrettyPrint();   
        writer = new XMLWriter( System.out, format );   
        writer.write( document );   
  
        // 以一种紧凑的格式写入System.out对象   
        format = OutputFormat.createCompactFormat();   
        writer = new XMLWriter( System.out, format );   
        writer.write( document );   
    }   
}   

转化为字符串，或者从字符串转化  
    如果你有一个文档（Document）对象或者任何一个节点（Node）对象的引用（reference），象属性（Attribute）或者元素（Element），你可以通过asXML()方法把它转化为一个默认的XML字符串：  
 

        Document document = ...;   
        String text = document.asXML();   

 
如果你有一些XML内容的字符串表示，你可以通过DocumentHelper.parseText()方法将它重新转化为文档（Document）对象：  
 
    

   String text = "<person> <name>James</name> </person>";   
        Document document = DocumentHelper.parseText(text);   

通过XSLT样式化文档（Document）  
    使用Sun公司提供的JAXP API将XSLT 应用到文档（Document）上是很简单的。它允许你使用任何的XSLT引擎（例如：Xalan或SAXON等）来开发。下面是一个使用JAXP创建一个转化器（transformer），然后将它应用到文档（Document）上的例子：  
 

import javax.xml.transform.Transformer;   
import javax.xml.transform.TransformerFactory;   
  
import org.dom4j.Document;   
import org.dom4j.io.DocumentResult;   
import org.dom4j.io.DocumentSource;   
  
public class Foo {   
  
    public Document styleDocument(   
        Document document,    
        String stylesheet   
    ) throws Exception {   
  
        // 使用 JAXP 加载转化器   
        TransformerFactory factory = TransformerFactory.newInstance();   
        Transformer transformer = factory.newTransformer(    
            new StreamSource( stylesheet )    
        );   
  
        // 现在来样式化一个文档（Document）   
        DocumentSource source = new DocumentSource( document );   
        DocumentResult result = new DocumentResult();   
        transformer.transform( source, result );   
  
        // 返回经过样式化的文档（Document）   
        Document transformedDoc = result.getDocument();   
        return transformedDoc;   
    }   
}