使用Apache Xerces解析XML文档

使用Apache Xerces解析XML文档

一、技术概述

在用Java解析XML时候，一般都使用现成XML解析器来完成，自己编码解析是一件很棘手的问题，对程序员要求很高，一般也没有专业厂商或者开源组织实现的好。

Java解析XML的原理图如下：

目前Java XML解析器有十多种之多，解析原理有二：使用基于事件的XML简单API（Simple API for XML）称为SAX和基于树和节点的文档对象模型（Document Object Module）称为DOM。Sun公司提供了Java API for XML Parsing（JAXP）接口来使用SAX和DOM，通过JAXP，我们可以使用任何与JAXP兼容的XML解析器。但并不是所有的Java XML解析工具都实现了SUN提供的接口。DOM4J就没有遵循SUN的JAXP规范，但非常优秀。

DOM 采用建立树形结构的方式访问 XML 文档，而 SAX 采用的事件模型。

DOM 是W3C组织推荐的处理XML的标准接口，DOM 解析器把 XML 文档转化为一个包含其内容的树，并可以对树进行遍历。用 DOM 解析模型的优点是编程容易，开发人员只需要调用建树的指令，然后利用navigation APIs访问所需的树节点来完成任务。可以很容易的添加和修改树中的元素。然而由于使用 DOM 解析器的时候需要处理整个 XML 文档，所以对性能和内存的要求比较高，尤其是遇到很大的 XML 文件的时候。由于它的遍历能力，DOM 解析器常用于 XML 文档需要频繁的改变的服务中。

SAX是由XML_DEV邮件列表的成员开发的，它不是某个官方机构的标准，也不由W3C组织或其他任何官方机构维护，但它是XML社区事实上的标准。虽然SAX只是“民间”标准，但是它在XML中的应用丝毫不比DOM少，几乎所有的XML解析器都支持它。SAX 解析器采用了基于事件的模型，它在解析 XML 文档的时候可以触发一系列的事件，当发现给定的tag的时候，它可以激活一个回调方法，告诉该方法制定的标签已经找到。SAX 对内存的要求通常会比较低，因为它让开发人员自己来决定所要处理的tag。特别是当开发人员只需要处理文档中所包含的部分数据时，SAX 这种扩展能力得到了更好的体现。但用 SAX 解析器的时候编码工作会比较困难，而且很难同时访问同一个文档中的多处不同数据。

DOM和SAX只是定义了一些接口，以及某些接口的默认实现，一个应用程序要想利用DOM或SAX访问XML文档，还需要一个实现了DOM或SAX的解析器（实现DOM和SAX中定义的接口，提供DOM和SAX定义的功能）。

Apache的Xerces是一个使用非常广泛的解析其，它提供了DOM和SAX的调用接口，并有多种语言的实现版本，要利用Xerces访问XML文档，只需要在应用程序中构造一个解析器实现类的对象。

这里面还存在一个问题，虽然使用的是标准的DOM和SAX接口，由于不同的XML解析器的实现类是不同的，如果使用另外一种解析器，仍然需要修改应用程序，只不过修改的代码量较小，需要更改XML解析器实现类的类名，然后重新编译、发布。

然而，对于兼容JAXP的XML解析器，我们可以选用JAXP API，这样在更换兼容JAXP解析器的时候，就不用对已发布的程序做任何的改动。

JAXP开发包由javax.xml包、org.w3c.dom包、org.xml.sax包及其子包组成。在javax.xml.parsers包中，定义了几个工厂类，用于加载DOM和SAX的实现类。


使用JAXP API解析XML的原理如下：

二、使用DOM解析XML

DOM的核心概念就是NODE(节点)。DOM在分析XML文档时,将组成XML文档的各个部分(元素,属性,文本,注释,处理指令等)映射成一个对象,这个对象就叫做节点。在内存中这些节点形成一棵树。整棵树就是一个节点,树中的每一个节点也是一棵树（子树）。DOM就是对这棵树的一个对象描述,我们通过访问树中的节点来存取XML文档的内容。

DOM定义了一个Node接口，用于表示文档树中一个节点。从这个接口派生出来更多的具体的接口。例如，表示整个文档的Document接口，表示XML文档中的一个元素的Element接口，表示元素属性的Attr接口，都是从Node接口派生而来的。在org.w3c.dom包中，表示XML文档各组成部分的接口的继承关系如图：


举个例子，引用java web开发大全，有改动：

students.xml
----------------------------------------------------------------------
<?xml version="1.0" encoding="GB2312"?>
<?xml-stylesheet type="text/xsl" href="students.xsl"?>
<students>
    <student sn="01">
        <name>张三</name>
        <age>18</age>
    </student>
    <student sn="02">
        <name>李四</name>
        <age>20</age>
    </student>
</students>
----------------------------------------------------------------------

public class DOMStudentsInfo {
    public static void main(String[] args) {
        //获取生成 DOM 对象树的解析器
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        try {
            //从 DocumentBuilderFactory获取 DocumentBuilder实例
            DocumentBuilder db = dbf.newDocumentBuilder();
            File file = new File("students.xml");
            ////从 XML 文档获取 DOM 文档实例
            Document doc = db.parse(file);
            //获取某节点的集合
            NodeList nl = doc.getElementsByTagName("student");
            int len = nl.getLength();
            for (int i = 0; i < len; i++) {
                Element eltStu = (Element) nl.item(i);
                Node eltName = eltStu.getElementsByTagName("name").item(0);
                Node eltAge = eltStu.getElementsByTagName("age").item(0);
                String name = eltName.getFirstChild().getNodeValue();
                String age = eltAge.getFirstChild().getNodeValue();
                System.out.print("姓名：");
                System.out.println(name);
                System.out.print("年龄：");
                System.out.println(age);
                System.out.println("----------------------------\n");
            }
        }
        catch (ParserConfigurationException e) {
            e.printStackTrace();
        }
        catch (SAXException e) {
            e.printStackTrace();
        }
        catch (IOException e) {
            e.printStackTrace();
        }
    }
}


运行结果：

姓名：张三
年龄：18
----------------------------
姓名：李四
年龄：20
----------------------------

Process finished with exit code 0


关于Node接口的更多信息，可以参看JDK的API文档。


三、使用SAX解析XML

data_10k.xml
----------------------------------------------------------------------
<?xml version="1.0" encoding="GB2312"?>
<?xml-stylesheet type="text/xsl" href="students.xsl"?>
<result>
    <value>
        <no>a1234</no>
        <addr>四川省xx县xx镇xx路x段xx号</addr>
    </value>
    <value>
        <no>b1234</no>
        <addr>四川省xx市xx乡xx村xx组</addr>
    </value>
</result>
----------------------------------------------------------------------

public class MyXMLReader2 extends DefaultHandler {
    java.util.Stack tags = new java.util.Stack();
    public MyXMLReader2() {
        super();
    }
    public static void main(String args[]) {
        long lasting = System.currentTimeMillis();
        try {
            SAXParserFactory sf = SAXParserFactory.newInstance();
            SAXParser sp = sf.newSAXParser();
            MyXMLReader2 reader = new MyXMLReader2();
            sp.parse(new InputSource("data_10k.xml"), reader);
        } catch (Exception e) {
            e.printStackTrace();
        }
        System.out.println("运行时间：" + (System.currentTimeMillis() - lasting) + " 毫秒");
    }
    public void characters(char ch[], int start, int length) throws SAXException {
        String tag = (String) tags.peek();
        if (tag.equals("no")) {
            System.out.print("车牌号码：" + new String(ch, start, length));
        }
        if (tag.equals("addr")) {
            System.out.println(" 地址:" + new String(ch, start, length));
        }
    }
    public void startElement(
            String uri,
            String localName,
            String qName,
            Attributes attrs) {
        tags.push(qName);
    }
}

运行结果：

车牌号码：a1234车牌号码：
         地址:四川省xx县xx镇xx路x段xx号
地址:
  
地址:
  
车牌号码：b1234车牌号码：
         地址:四川省xx市xx乡xx村xx组
地址:
  
地址:
运行时间：327 毫秒

Process finished with exit code 0

四、使用DOM4j解析xml

public class MyXMLReader4 {
    public static void main(String arge[]) {
        long lasting = System.currentTimeMillis();
        try {
            File f = new File("data_10k.xml");
            SAXReader reader = new SAXReader();
            Document doc = reader.read(f);
            Element root = doc.getRootElement();
            Element foo;
            for (Iterator i = root.elementIterator("value"); i.hasNext();) {
                foo = (Element) i.next();
                System.out.print("车牌号码:" + foo.elementText("no"));
                System.out.println(" 车主地址:" + foo.elementText("addr"));
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
        System.out.println("运行时间：" + (System.currentTimeMillis() - lasting) + " 毫秒");
    }
}

五、使用JDOM解析xml

public class MyXMLReader3 {
    public static void main(String arge[]) {
        long lasting = System.currentTimeMillis();
        try {
            SAXBuilder builder = new SAXBuilder();
            Document doc = builder.build(new File("data_10k.xml"));
            Element foo = doc.getRootElement();
            List allChildren = foo.getChildren();
            for (int i = 0; i < allChildren.size(); i++) {
                System.out.print("车牌号码:" + ((Element) allChildren.get(i)).getChild("no").getText());
                System.out.println(" 车主地址:" + ((Element) allChildren.get(i)).getChild("addr").getText());
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
        System.out.println("运行时间：" + (System.currentTimeMillis() - lasting) + " 毫秒");
    }
}


六、使用JAXP解析XML

public class MyXMLReader1 {
    public static void main(String arge[]) {
        long lasting = System.currentTimeMillis();
        try {
            File f = new File("data_10k.xml");
            DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
            DocumentBuilder builder = factory.newDocumentBuilder();
            Document doc = builder.parse(f);
            NodeList nl = doc.getElementsByTagName("value");
            for (int i = 0; i < nl.getLength(); i++) {
                System.out.print("车牌号码:" + doc.getElementsByTagName("no").item(i).getFirstChild().getNodeValue());
                System.out.println(" 车主地址:" + doc.getElementsByTagName("addr").item(i).getFirstChild().getNodeValue());
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
        System.out.println("运行时间：" + (System.currentTimeMillis() - lasting) + " 毫秒");
    }
}