Java高级进阶-xml解析

xml解析

xml简介

XML（eXtended Markup Language，可扩展标记性语言），xml可以对文档和数据进行结构化处理，从而能够在部门、客户和供应商之间进行交换，实现动态内容生成，企业集成和应用开发。xml可以使我们能够更准确的搜索，更方便的传送软件组件，更好的描述一些事物。例如电子商务交易等。它的主要特点：它被设计用来传输和存储数据；被设计用来显示数据。它们都是[标准通用标记语言]的子集。

xml解析

在XML文件中由于更多的是描述信息的内容，所以在得到一个XML文档后用该利用程序按照其中元素的定义名称取出对应的内容，这样的操作就称为XML解析。在XML解析中W3C定义了SAX和DOM两种解析方式，这两种解析方式的程序操作如下：

XML解析操作

可以看出，应用程序不是直接对XML文档进行操作的，而是首先由XML分析器对XML文档进行分析，然后应用程序通过XML分析器所提供的DOM接口或SAX接口对分析结构进行操作，从而间接地实现了对XML文档的访问。

Dom解析

在应用程序中，基于DOM （Document Object Model，文档对象模型）的XML分析器将一个XML文档转换成一个对象模型的集合（通常称为DOM树），应用程勋正是通过对这个对象模型的操作，来实现对XML文档数据的操作。通过DOM接口，应用程序可以在任何时候访问XML文档中的任何一部分数据，因此，这种这种利用DOM接口的机制也被称作随机访问机制。由于DOM分析器把整个XML文档转化成DOM树放在了内存中，因此，当文档比较大或者结构比较复杂时，对内存的需求就比较高，而且对于结构复杂的树的遍历也是一项耗时的操作。DOM操作会在内存中将所有的XML文件变为DOM树。
在DOM解析中有以下4个核心的操作接口：
Document：此接口代表了整个XML文档，表示整个DOM树的根，提供了对文档中的数据进行访问和操作的入口，通过Document节点可以访问XML文件中所有的元素内容。

Document接口的常用方法

Node：DOM操作的核心接口中有很大一部分是从Node接口继承过来的。例如Document、Element、Attri等接口。在DOM树中，每一个Node接口代表了DOM树中的一个节点。

Node接口的常用方法

NodeList：此接口表示一个节点的集合，一般用于表示有顺序关系的一组节点。例如，一个节点的子节点，当文档改变时会直接 影响到NodeList集合。

NodeList接口的常用方法

NameNodeMap：此接口表示一组节点和其唯一名称对应的一一对应关系，主要用于属性节点的表示。

出以上4个核心接口外，如果一个程序需要进行DOM解析读操作，则需要按如下步骤进行：
（1）建立DocumentBuilderFactory：DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
（2）建立DocumentBuilder：DocumentBuilder builder = factory.newDocumentBuilder();
（3）建立Document：Document doc= builder.parse("要读取的文件路径");
（4）建立NodeList：NodeList nl = doc.getElementsByTagName("读取节点");
（5）进行XML信息读取。

DOM完成XML的文件输出。此时就需要使用DOM操作中提供的各个接口（如Element接口）并手工设置各个节点的关系，同时在创建Document对象时就必须使用newDocument()方法建立一个新的DOM树。如果现在需要将XML文件保存在硬盘上，则需要使用TransformerFactory、Transformer、DOMSource、StreamResult 4个类完成。TransformerFactory类：取得一个Transformer类的实例对象。DOMSource类：接收Document对象。StreamResult 类：指定要使用的输出流对象（可以向文件输出，也可以向指定的输出流输出）。Transformer类：通过该类完成内容的输出。

StreamResult类的构造方法

SAX解析操作

SAX（Simple APIs for XML，操作XML的简单接口）与DOM操作不同的是，SAX采用的是一种顺序的模式进行访问，是一种快速读取XML数据的方式。当使用SAX 解析器进行操作时会触发一系列的事件。

SAX主要事件

当扫描到文档（Document）开始与结束、元素（Element）开始与结束时都会调用相关的处理方法，并由这些操作方法做出相应的操作，直到整个文档扫描结束。如果在开发中想要使用SAX解析，则首先应该编写一个SAX解析器，再直接定义一个类，并使该类继承自DefaultHandler类，同时覆写上述的表中的方法即可。
建立完SAX解析器后，还需要建立SAXParserFactory和SAXParser对象，之后通过SAXPaeser的parse()方法指定要解析的XML文件和指定的SAX解析器。
使用SAX解析器
package com.sax.demo;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;
public class SaxTest { public static void main(String[] args) throws Exception {
//（1）建立SAX解析工厂
SAXParserFactory factory = SAXParserFactory.newInstance();
//（2）构造解析器
SAXParser parser = factory.newSAXParser();
//（3）解析XML使用
handler parser.parse("sax_demo.xml", new XmlSax());
}}

通过上面的程序可以发现，使用SAX解析比使用DOM解析更加容易。

DOM解析与SAX解析的区别

有两者的特点可以发现两者的区别：DOM解析适合于对文件进行修改和随机存取的操作，但是不适合于大型文件的操作。SAX采用部分读取的方式，所以可以处理大型文件，而且只需要从文件中读取特定内容。SAX解析可以由用户自己建立自己的对象模型。
2.3、XML解析的好帮手：jdom
jdom是使用Java编写的，用于读、写、操作XML的一套组件。
jdom = dom 修改文件的有点 + SAX读取快速的优点

jdom的主要操作类

使用jdom生成XML文件
使用jdom读取XML文件
jdom是一种常见的操作组件在实际的开发中使用非常广泛。

2.4、解析工具：dom4j
dom4j也是一组XML操作组件包，主要用来读写XML文件，由于dom4j性能优异、功能强大，且具有易用性，所以现在已经被广泛地应用开来。如，Hibernate、Spring框架中都使用了dom4j进行XML的解析操作。开发时需要引入的jar包：dom4j-1.6.1.jar、lib/jaxen-1.1-beta-6.jar
dom4j中的所用操作接口都在org.dom4j包中定义。其他包根据需要把选择使用。

dom4j的主要接口

用dom4j生成XML文件：
用dom4j读取XML文件：

小结

XML主要用于数据交换，而HTML则用于显示。
Java直接提供的XML解析方式分为两种，即DOM和SAX。这两种解析的区别如下：
DOM解析是将所有内容读取到内存中，并形成内存树，如果文件量较大则无法使用，但是DOM解析可以进行文件的修改
SAX解析是采用顺序的方式读取XML文件中，不受文件大小限制，但是不允许修改。