XML DOM解析 基础概念

DOM和SAX

　　W3C制定了一套书写XML分析器的标准接口规范——DOM。

　　除此以外，XML_DEV邮件列表中的成员根据应用的需求也自发地定义了一套对XML文档进行操作的接口规范——SAX。

　　这两种接口规范各有侧重，互有长短，应用都比较广泛。

 

　　应用程序开发过程中，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接口对分析结果进行操作，从而间接地实现了对XML文档的访问。

 

 

 

DOM介绍 优缺点分析

　　DOM: Document Object Model 文档对象模型。

　　在应用程序中，基于DOM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DOM树），应用程序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，这种利用DOM接口的机制也被称作随机访问机制。

　　DOM树所提供的随机访问方式给应用程序的开发带来了很大的灵活性，它可以任意地控制整个XML文档中的内容。

　　然而，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。

　　所以，DOM分析器对机器性能的要求比较高，实现效率不十分理想。

　　由于DOM分析器所采用的树结构的思想与XML文档的结构相吻合，同时鉴于随机访问所带来的方便，因此，DOM分析器还是有很广泛的应用价值的。

 

DOM的组成

　　对于XML应用开发来说，DOM就是一个对象化的XML数据接口，一个与语言无关、与平台无关的标准接口规范。

　　DOM定义了HTML文档和XML文档的逻辑结构，给出了一种访问和处理这两种文档的方法。

　　文档代表的是数据，而DOM则代表了如何去处理这些数据。

　　作为W3C的标准接口规范，目前，DOM由三部分组成，包括：核心（core）、HTML接口和XML接口。

　　核心部分是结构化文档比较底层对象的集合，这一部分所定义的对象已经完全可以表达出任何HTML和XML文档中的数据了。

　　HTML接口和XML接口两部分则是专为操作具体HTML文档和XML文档所提供的高级接口。

 

DOM树

　　一个XML文档及其所对应的DOM树如下：

 

<?xml version="1.0" encoding="utf-8"?>

<bookstore>
    <book category="children">
          <title lang="en">Harry Potter</title> 
          <author>J K. Rowling</author> 
          <year>2005</year> 
          <price>29.99</price> 
    </book>

    <book category="cooking">
          <title lang="en">Everyday Italian</title> 
          <author>Giada De Laurentiis</author> 
          <year>2005</year> 
          <price>30.00</price> 
    </book>

    <book category="web">
          <title lang="en">Learning XML</title> 
          <author>Erik T. Ray</author> 
          <year>2003</year> 
          <price>39.95</price> 
    </book>

    <book category="web">
          <title lang="en">XQuery Kick Start</title> 
          <author>James McGovern</author> 
          <author>Per Bothner</author> 
          <author>Kurt Cagle</author> 
          <author>James Linn</author> 
         <author>Vaidyanathan Nagarajan</author> 
          <year>2003</year> 
          <price>49.99</price> 
    </book>

</bookstore>

 

 

 

　　要严格区分XML文档树中的根节点与根元素节点：

　　文档（根节点）和根元素节点是两回事。

　　根节点代表整个文档，是我们解析XML文档的入口，通过它获取到Document对象；

　　根元素节点代表XML文档的根元素，必须要在获得Document对象之后才能一层一层地去访问它的元素。

 

DOM模型结构

　　最常见的节点类型：

　　元素：元素是XML的基本构建。

　　元素可以有其他元素、文本节点或两者兼有来作为其子节点。

　　元素节点还是可以有属性的唯一类型的节点。

　　属性：属性节点包含关于元素节点的信息，但实际上，不认为它是元素的子节点。

　　文本：确切来讲，文本节点是文本。它可以包含许多信息或仅仅是空白。

　　文档（根节点） ：文档节点是整个文档中所有其他节点的父节点。（根节点不等于根元素节点）。

　　较不常见的节点类型：CDATA、注释、处理指令。

 

DOM的四个基本接口

　　在DOM接口规范中，有四个基本的接口：Document, Node, NodeList, NamedNodeMap。

Document

　　Document接口是对文档进行操作的入口，它是从Node接口继承过来的。 

Node

　　Node接口是其他大多数接口的父类。

　　在DOM树中，Node接口代表了树中的一个节点。

NodeList

　　NodeList接口是一个节点的集合，它包含了某个节点中的所有子节点。

　　它提供了对节点集合的抽象定义，并不包含如何实现这个节点集的定义。

　　NodeList用于表示有顺序关系的一组节点，比如某个节点的子节点序列。

　　在DOM中，NodeList的对象是live的，对文档的改变，会直接反映到相关的NodeList对象中。

 

NamedNodeMap

　　NamedNodeMap接口也是一个节点的集合，通过该接口，可以建立节点名和节点之间的一一映射关系，从而利用节点名可以直接访问特定的节点，这个接口主要用在属性节点的表示上。

　　尽管NamedNodeMap所包含的节点可以通过索引来进行访问，但是这只是提供了一种枚举方法，NamedNodeMap所包含的节点集中节点是无序的。

　　与NodeList相同，在DOM中，NamedNodeMap对象也是live的。

 

解析器基础

　　XML解析器实际上就是一段代码，它读入一个XML文档并分析其结构。

　　分类：

　　带校验的解析器。

　　不带校验的解析器。

　　支持DOM的解析器（W3C的官方标准）

　　支持SAX的解析器（事实上的工业标准）

 

参考资料

　　圣思园张龙老师XML视频教程。

　　w3school XML DOM 教程：

　　http://www.w3school.com.cn/xmldom/index.asp

　　Java API文档：

　　http://docs.oracle.com/javase/7/docs/api/index.html