目录
- 简介
- DOM、SAX、JAXP和DOM4J
- xerces解释器
- SAX
- DOM
- JAXP
- DOM解析器
- 获取SAX解析器
- DOM4j
- 项目环境
- 工程环境
- 创建项目
- 引入依赖
- 使用例子--生成xml文件
- 需求
- 生成xml文件--使用w3c的DOM接口
- 主要步骤
- 编写测试类
- 测试结果
- 生成xml文件--使用dom4j的DOM接口
- 主要步骤
- 编写测试类
- 测试结果
- 使用例子--解析xml文件
- 需求
- 主要步骤
- 测试遍历节点
- 测试XPath获取指定节点
- XPath语法
- 源码分析
- dom4j节点的类结构
- SAXReader.read(File file)
- SAXReader.read(InputSource in)
- SAXContentHandler
- startDocument()
- startElement(String,String,String,Attributes)
- endElement(String, String, String)
- endDocument()
简介
dom4j用于创建和解析XML文件，不是纯粹的DOM或SAX，而是两者的结合和改进，另外，dom4j支持Xpath来获取节点。目前，由于其出色的性能和易用性，目前dom4j已经得到广泛使用，例如Spring、Hibernate就是使用dom4j来解析xml配置。
注意，dom4j使用Xpath需要额外引入jaxen的包。
DOM、SAX、JAXP和DOM4J
其实，JDK已经带有可以解析xml的api，如DOM、SAX、JAXP，但为什么dom4j会更受欢迎呢？它们有什么区别呢？在学习dom4j之前，需要先理解下DOM、SAX等概念，因为dom4j就是在此基础上改进而来。
xerces解释器
先介绍下xerces解释器，下面介绍的SAX、DOM和JAXP都只是接口，而xerces解释器就是它们的具体实现，在com.sun.org.apache.xerces.internal包。xerces被称为性能最好的解释器，除了xerces外，还有其他的第三方解释器，如crimson。
SAX
JDK针对解析xml提供的接口，不是具体实现，在org.xml.sax包。SAX是基于事件处理，解析过程中根据当前的XML元素类型，调用用户自己实现的回调方法，如：startDocument();，startElement()。下面以例子说明，通过SAX解析xml并打印节点名：
/*这里解释下四个的接口：
EntityResolver：需要实现resolveEntity方法。当解析xml需要引入外部数据源时触发，通过这个方法可以重定向到本地数据源或进行其他操作。
DTDHandler：需要实现notationDecl和unparsedEntityDecl方法。当解析到"NOTATION", "ENTITY"或 "ENTITIES"时触发。
ContentHandler：最常用的一个接口，需要实现startDocument、endDocument、startElement、endElement等方法。当解析到指定元素类型时触发。
ErrorHandler：需要实现warning、error或fatalError方法。当解析出现异常时会触发。
*/
@Test
public void test04() throws Exception {
//DefaultHandler实现了EntityResolver, DTDHandler, ContentHandler, ErrorHandler四个接口
DefaultHandler handler = new DefaultHandler() {
@Override
//当解析到Element时，触发打印该节点名
public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
System.out.println(qName);
}
};
//获取解析器实例
XMLReader xr = XMLReaderFactory.createXMLReader();
//设置处理类
xr.setContentHandler(handler);
/*
* xr.setErrorHandler(handler);
* xr.setDTDHandler(handler);
* xr.setEntityResolver(handler);
*/
xr.parse(new InputSource("members.xml"));
}因为SAX是基于事件处理的，不需要等到整个xml文件都解析完才执行我们的操作，所以效率较高。但SAX存在一个较大缺点，就是不能随机访问节点，因为SAX不会主动地去保存处理过的元素（优点就是内存占用小、效率高），如果想要保存读取的元素，开发人员先构建出一个xml树形结构，再手动往里面放入元素，非常麻烦（其实dom4j就是通过SAX来构建xml树）。
DOM
JDK针对解析xml提供的接口，不是具体实现，在org.w3c.dom包。DOM采用了解析方式是一次性加载整个XML文档，在内存中形成一个树形的数据结构，开发人员可以随机地操作元素。见以下例子：
@SuppressWarnings("restriction")
@Test
public void test05() throws Exception {
//获得DOMParser对象
com.sun.org.apache.xerces.internal.parsers.DOMParser domParser = new com.sun.org.apache.xerces.internal.parsers.DOMParser();
//解析文件
domParser.parse(new InputSource("members.xml"));
//获得Document对象
Document document=domParser.getDocument();
// 遍历节点
printNodeList(document.getChildNodes());
}通过DOM解析，我们可以获取任意节点进行操作。但是，DOM有两个缺点：
- 由于一次性加载整个XML文件到内存，当处理较大文件时，容易出现内存溢出。
- 节点的操作还是比较繁琐。
以上两点，dom4j都进行了相应优化。
JAXP
封装了SAX、DOM两种接口，它并没有为JAVA解析XML提供任何新功能，只是对外提供更解耦、简便操作的API。如下：
DOM解析器
@Test
public void test02() throws Exception {
// 获得DocumentBuilder对象
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
// 解析xml文件，获得Document对象
Document document = builder.parse("members.xml");
// 遍历节点
printNodeList(document.getChildNodes());
}获取SAX解析器
@Test
public void test03() throws Exception {
SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser saxParser = factory.newSAXParser();
saxParser.parse("members.xml", new DefaultHandler() {
@Override
public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
System.out.println(qName);
}
});
}其实，JAXP并没有很大程度提高DOM和SAX的易用性，更多地体现在获取解析器时实现解耦。完全没有解决SAX和DOM的缺点。
DOM4j
对比过dom4j和JAXP就会发现，JAXP本质上还是将SAX和DOM当成两套API来看待，而dom4j就不是，它将SAX和DOM结合在一起使用，取长补短，并对原有的api进行了改造，在使用简便性、性能、面向接口编程等方面都要优于JDK自带的SAX和DOM。
以下通过使用例子和源码分析将作出说明。
项目环境
工程环境
JDK：1.8
maven：3.6.1
IDE：sts4
dom4j：2.1.1
创建项目
项目类型Maven Project，打包方式jar。
引入依赖
注意：dom4j使用XPath，必须引入jaxen的jar包。
junit
junit
4.12
test
org.dom4j
dom4j
2.1.1
jaxen
jaxen
1.1.6
commons-beanutils
commons-beanutils
1.9.3
使用例子--生成xml文件
本例子将分别使用dom4j和JDK的DOM接口生成xml文件（使用JDK的DOM接口时会使用JAXP的API）。
需求
构建xml树，添加节点，并生成xml文件。格式如下：
生成xml文件--使用w3c的DOM接口
主要步骤
通过
JAXP的API获得Document对象，这个对象可以看成xml的树；将对象转化为节点，并添加在
Document这棵树上；通过
Transformer对象将树输出到文件中。
编写测试类
路径：test目录下的cn.zzs.dom4j。
注意：因为使用的是w3c的DOM接口，所以节点对象导的是org.w3c.dom包，而不是org.dom4j包。
@Test
public void test02() throws Exception {
// 创建工厂对象
DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance();
// 创建DocumentBuilder对象
DocumentBuilder documentBuilder = documentBuilderFactory.newDocumentBuilder();
// 创建Document对象
Document document = documentBuilder.newDocument();
// 创建根节点
Element root = document.createElement("members");
document.appendChild(root);
// 添加一级节点
Element studentsElement = (Element)root.appendChild(document.createElement("students"));
Element teachersElement = (Element)root.appendChild(document.createElement("teachers"));
// 添加二级节点并设置属性
Element studentElement1 = (Element)studentsElement.appendChild(document.createElement("student"));
studentElement1.setAttribute("name", "张三");
studentElement1.setAttribute("age", "18");
studentElement1.setAttribute("location", "河南");
Element studentElement2 = (Element)studentsElement.appendChild(document.createElement("student"));
studentElement2.setAttribute("name", "李四");
studentElement2.setAttribute("age", "26");
studentElement2.setAttribute("location", "新疆");
Element studentElement3 = (Element)studentsElement.appendChild(document.createElement("student"));
studentElement3.setAttribute("name", "王五");
studentElement3.setAttribute("age", "20");
studentElement3.setAttribute("location", "北京");
Element teacherElement1 = (Element)teachersElement.appendChild(document.createElement("teacher"));
teacherElement1.setAttribute("name", "zzs");
teacherElement1.setAttribute("age", "18");
teacherElement1.setAttribute("location", "河南");
Element teacherElement2 = (Element)teachersElement.appendChild(document.createElement("teacher"));
teacherElement2.setAttribute("name", "zzf");
teacherElement2.setAttribute("age", "26");
teacherElement2.setAttribute("location", "新疆");
Element teacherElement3 = (Element)teachersElement.appendChild(document.createElement("teacher"));
teacherElement3.setAttribute("name", "lt");
teacherElement3.setAttribute("age", "20");
teacherElement3.setAttribute("location", "北京");
// 获取文件对象
File file = new File("members.xml");
if(!file.exists()) {
file.createNewFile();
}
// 获取Transformer对象
TransformerFactory transformerFactory = TransformerFactory.newInstance();
Transformer transformer = transformerFactory.newTransformer();
// 设置编码、美化格式
transformer.setOutputProperty(OutputKeys.ENCODING, "UTF-8");
transformer.setOutputProperty(OutputKeys.INDENT, "yes");
// 创建DOMSource对象
DOMSource domSource = new DOMSource(document);
// 将document写出
transformer.transform(domSource, new StreamResult(new PrintWriter(new FileOutputStream(file))));
} 测试结果
此时，在项目路径下会生成members.xml，文件内容如下，可以看到，使用w3c的DOM接口输出的内容没有缩进格式。
生成xml文件--使用dom4j的DOM接口
主要步骤
通过
DocumentHelper获得Document对象，这个对象可以看成xml的树；将对象转化为节点，并添加在
Document这棵树上；通过
XMLWriter对象将树输出到文件中。
编写测试类
路径：test目录下的cn.zzs.dom4j。通过对比，可以看出，dom4j的API相比JDK的还是要方便很多。
注意：因为使用的是dom4j的DOM接口，所以节点对象导的是org.dom4j包，而不是org.w3c.dom包（dom4j一个很大的特点就是改造了w3c的DOM接口，极大地简化了我们对节点的操作）。
@Test
public void test02() throws Exception {
// 创建Document对象
Document document = DocumentHelper.createDocument();
// 添加根节点
Element root = document.addElement("members");
// 添加一级节点
Element studentsElement = root.addElement("students");
Element teachersElement = root.addElement("teachers");
// 添加二级节点并设置属性，dom4j改造了w3c的DOM接口，极大地简化了我们对节点的操作
studentsElement.addElement("student").addAttribute("name", "张三").addAttribute("age", "18").addAttribute("location", "河南");
studentsElement.addElement("student").addAttribute("name", "李四").addAttribute("age", "26").addAttribute("location", "新疆");
studentsElement.addElement("student").addAttribute("name", "王五").addAttribute("age", "20").addAttribute("location", "北京");
teachersElement.addElement("teacher").addAttribute("name", "zzs").addAttribute("age", "18").addAttribute("location", "河南");
teachersElement.addElement("teacher").addAttribute("name", "zzf").addAttribute("age", "26").addAttribute("location", "新疆");
teachersElement.addElement("teacher").addAttribute("name", "lt").addAttribute("age", "20").addAttribute("location", "北京");
// 获取文件对象
File file = new File("members.xml");
if(!file.exists()) {
file.createNewFile();
}
// 创建输出格式，不设置的话不会有缩进效果
OutputFormat format = OutputFormat.createPrettyPrint();
format.setEncoding("UTF-8");
// 获得XMLWriter
XMLWriter writer = new XMLWriter(new FileWriter(file), format);
// 打印Document
writer.write(document);
// 释放资源
writer.close();
}测试结果
此时，在项目路径下会生成members.xml，文件内容如下，可以看出dom4j输出文件会进行缩进处理，而JDK的不会：
使用例子--解析xml文件
需求
- 解析xml：解析上面生成的xml文件，将学生和老师节点按以下格式遍历打印出来（当然也可以再封装成对象返回给调用者，这里就不扩展了）。
student:name=张三,location=河南,age=18
student:name=李四,location=新疆,age=26
student:name=王五,location=北京,age=20
teacher:name=zzs,location=河南,age=18
teacher:name=zzf,location=新疆,age=26
teacher:name=lt,location=北京,age=20dom4j结合XPath查找指定节点
主要步骤
通过
SAXReader对象读取和解析xml文件，获得Document对象，即xml树；调用
Node的方法遍历打印xml树的节点；使用
XPath查询指定节点。
测试遍历节点
考虑篇幅，这里仅给出一种节点遍历方式，项目源码中还给出了其他的几种。
/**
* 测试解析xml
*/
@Test
public void test03() throws Exception {
// 创建指定文件的File对象
File file = new File("members.xml");
// 创建SAXReader
SAXReader saxReader = new SAXReader();
// 将xml文件读入成document
Document document = saxReader.read(file);
// 获得根元素
Element root = document.getRootElement();
// 递归遍历节点
list1(root);
}
/**
* 递归遍历节点
*/
private void list1(Element parent) {
if(parent == null) {
return;
}
// 遍历当前节点属性并输出
printAttr(parent);
// 递归打印子节点
Iterator iterator2 = parent.elementIterator();
while(iterator2.hasNext()) {
Element son = (Element)iterator2.next();
list1(son);
}
} 测试结果如下：
-------第一种遍历方式：Iterator+递归--------
student:name=张三,location=河南,age=18
student:name=李四,location=新疆,age=26
student:name=王五,location=北京,age=20
teacher:name=zzs,location=河南,age=18
teacher:name=zzf,location=新疆,age=26
teacher:name=lt,location=北京,age=20测试XPath获取指定节点
@Test
public void test04() throws Exception {
// 创建指定文件的File对象
File file = new File("members.xml");
// 创建SAXReader
SAXReader saxReader = new SAXReader();
// 将xml文件读入成document
Document document = saxReader.read(file);
// 使用xpath随机获取节点
List list = document.selectNodes("//members//students/student");
// List list = xmlParser.getDocument().selectSingleNode("students");
// 遍历节点
Iterator iterator = list.iterator();
while(iterator.hasNext()) {
Element element = (Element)iterator.next();
printAttr(element);
}
} 测试结果如下：
student:age=18,location=河南,name=张三
student:age=26,location=新疆,name=李四
student:age=20,location=北京,name=王五XPath语法
利用XPath获取指定节点，平时用的比较多，这里列举下基本语法。
| 表达式 | 结果 |
|---|---|
| /members | 选取根节点下的所有members子节点 |
| //members | 选取根节点下的所有members节点 |
| //students/student[1] | 选取students下第一个student子节点 |
| //students/student[last()] | 选取students下的最后一个student子节点 |
| //students/student[position()<3] | 选取students下前两个student子节点 |
| //student[@age] | 选取所有具有age属性的student节点 |
| //student[@age='18'] | 选取所有age属性为18的student节点 |
| //students/* | 选取students下的所有节点 |
| //* | 选取文档中所有节点 |
| //student[@*] | 选取所有具有属性的节点 |
| //members/students\ | //members/teachers |
源码分析
本文会先介绍dom4j如何将xml元素抽象成具体的对象，再去分析dom4j解析xml文件的过程（注意，阅读以下内容前需要了解和使用过JDK自带的DOM和SAX）。
dom4j节点的类结构
先来看下一个完整xml的元素组成，可以看出，一个xml文件包含了Document、Element、Comment、Attribute、DocumentType、Text等等。
DOM的思想就是将xml元素解析为具体对象，并构建树形数据结构。基于此，w3c提供了xml元素的接口规范，dom4j基本借用了这套规范（如下图），只是改造了接口的方法，使得我们操作时更加简便。
SAXReader.read(File file)
通过使用例子可知，我们解析xml文件的入口是SAXReader对象的read方法，入参可以是文件路径、url、字节流、字符流等，这里以传入文件路径为例。
注意：考虑篇幅和可读性，以下代码经过删减，仅保留所需部分。
public Document read(File file) throws DocumentException {
//不管是URI，path，character stream还是byte stream，都会包装成InputSource对象
InputSource source = new InputSource(new FileInputStream(file));
if (this.encoding != null) {
source.setEncoding(this.encoding);
}
//下面这段代码是为了设置systemId，当传入URI且没有指定字符流和字节流时，可以通过systemId去连接URL并解析
//如果一开始传入了字符流或字节流，这个systemId就是可选的
String path = file.getAbsolutePath();
if (path != null) {
StringBuffer sb = new StringBuffer("file://");
if (!path.startsWith(File.separator)) {
sb.append("/");
}
path = path.replace('\\', '/');
sb.append(path);
source.setSystemId(sb.toString());
}
//这里调用重载方法解析InputSource对象
return read(source);
}SAXReader.read(InputSource in)
看到这个方法的代码时，使用过JDK的SAX的朋友应该很熟悉，没错，dom4j也是采用事件处理的机制来解析xml。其实，只是这里设置的SAXContentHandler已经实现好了相关的方法，这些方法共同完成一件事情：构建xml树。明白这一点，应该就能理解dom4j是如何解决SAX和DOM的缺点了。
注意：考虑篇幅和可读性，以下代码经过删减，仅保留所需部分。
public Document read(InputSource in) throws DocumentException {
// 这里会调用JAXP接口获取XMLReader实现类对象
XMLReader reader = getXMLReader();
reader = installXMLFilter(reader);
// 下面这些操作，是不是和使用JDK的SAX差不多，dom4j也是使用了事件处理机制。
// EntityResolver：通过实现resolveEntity方法，当解析xml需要引入外部数据源时触发，可以重定向到本地数据源或进行其他操作。
EntityResolver thatEntityResolver = this.entityResolver;
if (thatEntityResolver == null) {
thatEntityResolver = createDefaultEntityResolver(in
.getSystemId());
this.entityResolver = thatEntityResolver;
}
reader.setEntityResolver(thatEntityResolver);
// 下面的SAXContentHandler继承了DefaultHandler，即实现了EntityResolver, DTDHandler, ContentHandler, ErrorHandler等接口
// 其中最重要的是ContentHandler接口，通过实现startDocument、endDocument、startElement、endElement等方法，当dom4j解析xml文件到指定元素类型时，可以触发我们自定义的方法。
// 当然，dom4j已经实现了ContentHandler的方法。具体实现的方法内容为：在解析xml时构建xml树
SAXContentHandler contentHandler = createContentHandler(reader);
contentHandler.setEntityResolver(thatEntityResolver);
contentHandler.setInputSource(in);
boolean internal = isIncludeInternalDTDDeclarations();
boolean external = isIncludeExternalDTDDeclarations();
contentHandler.setIncludeInternalDTDDeclarations(internal);
contentHandler.setIncludeExternalDTDDeclarations(external);
contentHandler.setMergeAdjacentText(isMergeAdjacentText());
contentHandler.setStripWhitespaceText(isStripWhitespaceText());
contentHandler.setIgnoreComments(isIgnoreComments());
reader.setContentHandler(contentHandler);
configureReader(reader, contentHandler);
// 使用事件处理机制解析xml，处理过程会构建xml树
reader.parse(in);
// 返回构建好的xml树
return contentHandler.getDocument();
}SAXContentHandler
通过上面的分析，可知SAXContentHandler是dom4j构建xml树的关键。这里看下它的几个重要方法和属性。
startDocument()
// xml树
private Document document;
// 节点栈，栈顶存放当前解析节点(节点解析结束)、或当前解析节点的父节点（节点解析开始）
private ElementStack elementStack;
// 节点处理器，可以看成节点开始解析或结束解析的标志
private ElementHandler elementHandler;
// 当前解析节点(节点解析结束)、或当前解析节点的父节点（节点解析开始）
private Element currentElement;
public void startDocument() throws SAXException {
document = null;
currentElement = null;
// 清空节点栈
elementStack.clear();
// 初始化节点处理器
if ((elementHandler != null)
&& (elementHandler instanceof DispatchHandler)) {
elementStack.setDispatchHandler((DispatchHandler) elementHandler);
}
namespaceStack.clear();
declaredNamespaceIndex = 0;
if (mergeAdjacentText && (textBuffer == null)) {
textBuffer = new StringBuffer();
}
textInTextBuffer = false;
}startElement(String,String,String,Attributes)
public void startElement(String namespaceURI, String localName,
String qualifiedName, Attributes attributes) throws SAXException {
if (mergeAdjacentText && textInTextBuffer) {
completeCurrentTextNode();
}
QName qName = namespaceStack.getQName(namespaceURI, localName,
qualifiedName);
// 获取当前解析节点的父节点
Branch branch = currentElement;
if (branch == null) {
branch = getDocument();
}
// 创建当前解析节点
Element element = branch.addElement(qName);
addDeclaredNamespaces(element);
// 添加节点属性
addAttributes(element, attributes);
//将当前节点压入节点栈
elementStack.pushElement(element);
currentElement = element;
entity = null; // fixes bug527062
//标记节点解析开始
if (elementHandler != null) {
elementHandler.onStart(elementStack);
}
}endElement(String, String, String)
public void endElement(String namespaceURI, String localName, String qName)
throws SAXException {
if (mergeAdjacentText && textInTextBuffer) {
completeCurrentTextNode();
}
// 标记节点解析结束
if ((elementHandler != null) && (currentElement != null)) {
elementHandler.onEnd(elementStack);
}
// 当前解析节点从节点栈中弹出
elementStack.popElement();
// 指定为栈顶节点
currentElement = elementStack.peekElement();
}endDocument()
public void endDocument() throws SAXException {
namespaceStack.clear();
// 清空节点栈
elementStack.clear();
currentElement = null;
textBuffer = null;
}以上，dom4j的源码分析基本已经分析完，其他具体细节后续再做补充。
参考以下资料：
浅析SAX,DOM,JAXP,JDOM与DOM4J之间的关系
本文为原创文章，转载请附上原文出处链接：https://github.com/ZhangZiSheng001/dom4j-demo