SAX、 StAX、 DOM(dom4j优于jdom)处理XML

一、SAX处理XML

1.SAX(Simple Access for XML)API：基于事件驱动的XML处理模型，是一种推模式解析(push-parsing) XML文档的API。

解析程序按读入xml文档事件的顺序解析数据，同时基于所选择的结构调用回调处理函数。

2.SAX处理模型的工作步骤：

(1).实现一个扩展DefaultHandler的类，并为每种类型的结构定义回调方法。

(2).初始化一个新的SAX Parser类，Parser读取XML源文件，并触发DefaultHandler类中所定义的回调方法。

(3).顺序读取XML源文件。

3.SAX处理XML文件过程详解：

(1).创建实现DefaultHandler的XML处理器：

[java] view plain copy

1. //当分析器到达XML文档末端时调用  
2. public void endDocument(){  
3. ……  
4. }  
5.    
6. //对包含元素的字符数据调用  
7. public void characters(char bur[], int offset, int len){  
8. ……  
9. }  
10.    
11. //每次遇到一个新的开始标记或者元素时调用  
12. public void startElement(String nameSpaceURI, String localName, String realName,  
13. Attributes attrs){  
14. ……  
15. }  
16.    
17. //当元素结束时调用  
18. public void endElement(String nameSpaceURI, String localName, String rawName){  
19. ……  
20. }  
21. }  

 

(2).获取SAX Factory和Parser：

a.创建已实现的Handler类实例：

[java] view plain copy

1. DefaultHandler handler = new MyImplHandler();  

 

b.获取SAXFactory实例：

[java] view plain copy

1. SAXParserFactory factory = SAXParserFactory.newInstance();  

 

c.通过SAXFactory创建SAXParser：

[java] view plain copy

1. SAXParser parser = factory.newSAXParser();  

 

d.分析XML文件：

[java] view plain copy

1. parser.parser(XML文件url, handler);  

 

4.SAX处理XML的优点：

SAX最大的优点是不把任何的XML文档一次性装入内存中，而是依次逐步读入，因此相比DOM的解析方式更加快速和轻便。

具体如下：

(1).没有将整个文档读入内存，内存耗费较低，尤其对于大型的文件这是一个非常巨大的优点。

(2). 使用“ 推模式 ”(由文档读入事件来取代处理程序)，允许注册多种内容处理器。

5.SAX处理XML的局限和适应场景：

(1).没有内建的文档导航支持

(2).不能随机访问 XML 文档

(3).不支持命名空间

SAX处理XML方式适用于：对 XML 只有读操作的程序（不要用来操作和修改XML 文档）。

二、StAX处理XML(JDK6的新特性StAX(JSR 173)）

1.StAX(TheStreaming API for XML)，是一种利用拉模式解析(pull-parsing)XML文档的API。

StAX 把重点放在流上，它提供了两套处理 XML的 API：

基于指针的API, 把 XML文档当做一个标记（或事件）流来处理；允许应用程序检查解析器的状态，获得解析的上一个标记的信息，然后再处理下一个标记，依此类推；

另一种较为高级的是基于迭代器的API，把 XML 作为一系列事件对象来处理，每个对象和应用程序交换 XML 结构的一部分。应用程序根据需要定制解析事件的类型，然后将其转换成对应的具体类型，然后利用定制事件提供的方法获得属于该事件的信息。

2.StAX工作原理：通过一种基于事件迭代器(Iterator)的API让程序员去控制xml文档解析过程,程序遍历这个事件迭代器去处理每一个解析事件，解析事件可以看做是程序拉出来的，也就是程序促使解析器产生一个解析事件然后处理该事件，之后又促使解析器产生下一个解析事件，如此循环直到碰到文档结束符。

3.StAX和SAX的区别：

SAX也是基于事件处理xml文档，但却是用推模式解析，解析器解析完整个xml文档后，才产生解析事件，然后推给程序去处理这些事件。SAX中解析器是工作主体，而事件处理器是由解析器驱动的，如果解析文档过程中产生问题，则剩余的所有文档就无法处理。

StAX使用拉模式，解析器首先将XML文档所有的事件全部取出，然后通过处理程序处理这些事件。StAX中处理器是工作主体，如果解析文档过程中产生问题，只会影响到出问题的部分，其余部分处理不受影响。

1.     通过一个简单的StAX例子，讲解StAX的基本工作过程：

(1).创建XMLInputFactory ：

[java] view plain copy

1. XMLInputFactory factory = XMLInputFactory.newInstance();    

 

(2).读入XML文档：

[java] view plain copy

1. Reader fileReader = new FileReader(xmlfile);    
2. factory.setProperty(XMLInputFactory.IS_COALESCING, Boolean.TRUE);   

 

(3).通过XMLInputFactory 创建StAXReader：

[java] view plain copy

1. XMLStreamReader reader = factory.createXMLStreamReader(fileReader);    

 

(4).获取XML文档节点事件：

[java] view plaincopy

1. //获取节点类型,结果是以整形的方式返回的。  
2. int event = reader.getEventType();  

 

(5).根据XML文件节点事件处理进行调用相应的事件处理程序。

5.StAX定制事件：

StAX一种比较高级的基于迭代器的XML处理API需要定制事件，定制事件的要点：

(1).定制的事件都必须实现 XMLEvent 接口，很遗憾，目前为止还没有任何基类可以继承，所以基本上应用程序需要实现每一个 XMLEvent 接口定义的方法。

(2).定制的事件都必须有一个 int 型的值作为事件的 type。系统默认的事件类型有：

a.表示文档的开始：XMLStreamConstants.START_DOCUMENT。

b.表示元素的开始：XMLStreamConstants.START_ELEMENT。

c.表示元素字符：XMLStreamConstants.CHARACTERS。

d.表示元素的结束：XMLStreamConstants.END_ELEMENT。

e. 表示文档的结束：XMLStreamConstants.END_DOCUMENT。

6.StAX定制EventReader：

如果定制了自己StAX的事件，那么系统默认的 EventReader 已不能满足要求。所以程序需要定义自己的 EventReader。

XMLEventReader 实际上是实现了iterator，EventReaderDelegate 是一个便利类，代理了所有的EventReader 的功能，经过定制的EventReader 后，原始的XMLEvent 事件流就转变成了包含一系列定制事件的事件流。当然除了定制事件之外的那些原始的 XML Events事件都还在。

7.StAX定制EventWriter：

StAXEventWriter的工作就是把过滤出来的 Event 流的序列化。StAXAPI 提供了 XMLEventWriter，提供默认支持的event 的序列化。如果定制了StAX事件，默认的 XMLEventWriter 就不能满足需求，所以需要定制XMLEventWriter。

定制的 event writer 主要需要实现 XMLEventWriter接口的add( XMLEvent) 方法，把程序定制的 Entry Event 加到 XMLEventWriter 里面。其余的方法都是用 XMLEventWriter 的默认功能。

8.StAX的优点：

(1).有针对简单和性能的两种解析模式。

(2).由程序控制解析器，易于支持多输入。

(3).强大的过滤功能有利于数据检索。

9.StAX的不足和适用场景：

和SAX类似，StAX的不足为：

(1).没有内建的文档导航支持。

(2).不能随机访问 XML 文档。

(3).不支持修改 XML 文档。

StAX适用于：需要对 XML 文档进行流处理而且支持命名空间的程序（不要用来操作和修改XML 文档）。

三、DOM处理XML(dom4j优于jdom）

1.DOM(Document Object Model)，文档对象模型处理XML的API，是W3C对于XML处理的成熟标准，其工作原理是将整个XML文档读入内存，创建一颗DOM树，用树状结构表示XML的结构化数据。DOM支持对树中任何节点的随机访问。

2.DOM处理XML的基本步骤：

(1).初始化一个新的Builder类，Builder类负责读取XML数据并把XML数据转化为树状表示结构。

(2).数据转化完成，创建Document对象。

(3).使用Document对象访问代表了XML文档中元素的节点。

3.DOM处理XML的详细步骤：

(1).获取DocumentFactory和Builder类：

[java] view plain copy

1. DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();  
2. DocumentBuilder builder = factory.newDocumentBuilder();  
3. Document document = builder.parser(xml文件的url);  

 

(2).遍历DOM树：

DOM树中每个类型的节点提供的属性名称：

a.NodeName：该节点代表xml元素名称。

b.NodeValue：在节点元素开始和结束之间的文本值。

c.NodeType：代表了对象类型(如：元素，属性)等的编号。

d.ParentNode：当前节点的父节点。

e.ChildNode：当前节点的子节点。

f.FirstChild：当前节点的第一个子节点。

g.LastChild：当前节点的最后一个子节点。

h.PreviouseSibling：当前节点的哥哥节点。

i.NextSibling：当前节点的弟弟节点。

j.Attributes：当前节点的属性列表。

4.DOM对象和其API：

DOM的基本对象有5个：Document，Node，NodeList，Element和Attr。
(1).Document对象：代表了整个XML的文档，所有其它的Node，都以一定的顺序包含在Document对象之内，排列成一个树形的结构，程序员可以通过遍历这颗树来得到XML文档的所有的内容，这也是对XML文档操作的起点。我们总是先通过解析XML源文件而得到一个Document对象，然后再来执行后续的操作。此外，Document还包含了创建其它节点的方法，比如createAttribut()用来创建一个Attr对象。Document所包含的主要的方法有： 
a.createAttribute(String)：用给定的属性名创建一个Attr对象，并可在其后使用setAttributeNode方法来放置在某一个Element对象上面。 
b.createElement(String)：用给定的标签名创建一个Element对象，代表XML文档中的一个标签，然后就可以在这个Element对象上添加属性或进行其它的操作。 
c.createTextNode(String)：用给定的字符串创建一个Text对象，Text对象代表了标签或者属性中所包含的纯文本字符串。如果在一个标签内没有其它的标签，那么标签内的文本所代表的Text对象是这个Element对象的唯一子对象。 
d.getElementsByTagName(String)：返回一个NodeList对象，它包含了所有给定标签名字的标签。 
e.getDocumentElement()：返回一个代表这个DOM树的根节点的Element对象，也就是代表XML文档根元素的那个对象。 
(2).Node对象：DOM结构中最为基本的对象，代表了文档树中的一个抽象的节点。在实际使用的时候，很少会真正的用到Node这个对象，而是用到诸如Element、Attr、Text等Node对象的子对象来操作文档。Node对象为这些对象提供了一个抽象的、公共的根。虽然在Node对象中定义了对其子节点进行存取的方法，但是有一些Node子对象，比如Text对象，它并不存在子节点，这一点是要注意的。Node对象所包含的主要的方法有： 
a.appendChild(org.w3c.dom.Node)：为这个节点添加一个子节点，并放在所有子节点的最后，如果这个子节点已经存在，则先把它删掉再添加进去。 
b.getFirstChild()：如果节点存在子节点，则返回第一个子节点，对等的，还有getLastChild()方法返回最后一个子节点。 
c.getNextSibling()：返回在DOM树中这个节点的下一个兄弟节点，对等的，还有d.getPreviousSibling()方法返回其前一个兄弟节点。 
e.getNodeName()：根据节点的类型返回节点的名称。 
f.getNodeType()：返回节点的类型。 
g.getNodeValue()：返回节点的值。 
h.hasChildNodes()：判断是不是存在有子节点。 
i.hasAttributes()：判断这个节点是否存在有属性。 
j.getOwnerDocument()：返回节点所处的Document对象。 
k.insertBefore(org.w3c.dom.Node new，org.w3c.dom.Node ref)：在给定的一个子对象前再插入一个子对象。 
l.removeChild(org.w3c.dom.Node)：删除给定的子节点对象。 
m.replaceChild(org.w3c.dom.Node new，org.w3c.dom.Node old)：用一个新的Node对象代替给定的子节点对象。 
(3).NodeList对象：代表了一个包含了一个或者多个Node的列表。可以简单的把它看成一个Node的数组，我们可以通过方法来获得列表中的元素，NodeList对象的方法有： 
a.GetLength()：返回列表的长度。 
b.Item(int)：返回指定位置的Node对象。 
(4).Element对象：代表的是XML文档中的标签元素，继承于Node，亦是Node的最主要的子对象。在标签中可以包含有属性，因而Element对象中有存取其属性的方法，而任何Node中定义的方法，也可以用在Element对象上面，Element对象的方法有 ：
a.getElementsByTagName(String)：返回一个NodeList对象，它包含了在这个标签中其下的子孙节点中具有给定标签名字的标签。 
b.getTagName()：返回一个代表这个标签名字的字符串。 
c.getAttribute(String)：返回标签中给定属性名称的属性的值。在这儿需要主要的是，应为XML文档中允许有实体属性出现，而这个方法对这些实体属性并不适用。这时候需要用到getAttributeNodes()方法来得到一个Attr对象来进行进一步的操作。 
d.getAttributeNode(String)：返回一个代表给定属性名称的Attr对象。 
(5).Attr对象：代表了某个标签中的属性。Attr继承于Node，但是因为Attr实际上是包含在Element中的，它并不能被看作是Element的子对象，因而在DOM中Attr并不是DOM树的一部分，所以Node中的getparentNode()，getpreviousSibling()和getnextSibling()返回的都将是null。也就是说，Attr其实是被看作包含它的Element对象的一部分，它并不作为DOM树中单独的一个节点出现。这一点在使用的时候要同其它的Node子对象相区别。  

5.DOM处理XML的优点：

(1).易于上手。

(2).丰富的 API ，易于访问。

(3).整棵树被载入内存，能随机访问节点。

6.DOM的不足和适用场景：

DOM的不足主要为：

(1).整个文档必须一次解析完。

(2).载入文档树到内存代价昂贵，尤其对于大文档非常的消耗内存。

(3).不利于实现对象类型绑定，需要给所有节点创建单独的类型。

DOM处理XML方式适用于：需要修改 xml 或者用来处理 XSLT （不要用在对XML 只有读操作的程序中）。