SAXP解析XML的笔记

SAXP使用streaming读取xml，基于事件触发和回调函数处理xml内容，占用内存小，速度快，适用于1）仅仅读取但是不改变xml内容 2）只处理内容一次，类似于在xml中查找相关内容。

创建Factory

解析xml过程。首先需要创建factory，factory是用来创建parser的，包含一些创建parser的属性。

SAXParserFactory spfactory = SAXParserFactory.newInstance(); // 得到一个实例

spfactory.setSchema(schema);// setSchema会使用schema生成一个validator来对被处理想xml先进性验证，然后再发到handler去处理

spfactory.setValidating(false);// 是否验证xml文件，这个验证是DTD验证，默认为false

spfactory.setNamespaceAware(false);// 
这个对于handler处理是有影响的，默认是false。如果是true，则parser会首先处理xml的prefix，找到与之对应的namespace，然后作为参数传给handler。否则namspace就是空。
spfactory.setXIncludeAware(false);//是否要处理xml中的XInclude节点，默认是false

还有一个可扩展的方法叫做setFeatures。顾名思义，就是定制由这个factory生成的parser的功能。

比如下面这行代码：

saxfac.setFeature("http://xml.org/sax/features/namespace-prefixes", 
true);

当setNamespaceAware=true的时候，handler默认将得不到xmlns这些namespace相关的属性。这个在大多数情况下有道理，因为namespace已经被parser解析好了，handler已经知道每个节点的namespace了。但是如果还是需要完整的attribute，就比较抓狂了——debug可以看到但是实际上已经被滤掉了。这时候需要设置了这个feature之后才能得到。

创建parser

设置好相应的属性之后，就可以使用这个factory的实例创建parser了。

SAXParser saxParser = spfactory.newSAXParser();// 根据factory的设置，创建一个saxpparser

有了parser，可以设置不同的handler来处理xml。使用parser.getXMLReader()得到一个XMLReader。

用的最多的就是ContentHandler。ContentHandler是一个接口。创建出这个接口实现的实例后，可以将它设到parser中，parser在解析xml的过程中，会根据事件来回调ContentHandler中相应的方法。

xmlReader.setContentHandler(contentHandler);

除此之外还有setEntityResolver(EntityResolver)， setDTDHandler(DTDHandler)和setErrorHandler(ErrorHandler)。这几个从来没有用过=_=。有用过的人没？求usecase。。。

ContentHandler中相应的方法

ContentHandler是处理xml文档最重要的类。其中的方法会在特定的事件发生时候被触发。

startDocument(); // 此事件在开始解析文档的时候触发

endDocument(); // 此事件在文档解析结束后触发

startPrefixMapping(String prefix, String uri); // 此事件只有在setNamespaceAware为true的时候才会被触发。每次遇到xmlns属性后都会触发一次。prefix 为去掉xmlns之后的内容，uri就是这个前缀对应的namespace。所以，如果想在setNamespaceAware为true的时候还得到这些attribute，除了setFeature之外，也可以处理这个事件，保存相应的prefix-uri mapping

endPrefixMapping(String prefix); //此事件在包含xmlns attribute的节点结束之后被触发。对于wsdl来说，就是在触发了wsdl:definitions的endElement之后触发。

startElement(String uri, String localName, String qName, Attributes atts); // 在一个node开始的时候触发。如果setNamespaceAware为true，那么uri的值就会被resolve，否则就会是空。localName则是节点的名字，比如对于wsdl:definitions来说，就是definitions。qName就是node的全名，比如wsdl:definitions。atts就是这个node的所有属性。但是这时候会没有xmlns的属性。如果setNamespaceAware为false，那么就不对uri解析。uri就是空，localName也是空，qName就是xs:sequence这种节点的名字。atts则会返回节点所有属性的k-v mapping。

endElement(String uri, String localName, String qName); //在节点处理完毕后触发。参数值与startElement意义相同。

characters(char ch[], int start, int length); // 在node的开始结束之前如果有字符，则会触发此事件。比如 <nodeA>some character</nodeA>。在startElement nodeA之后，endElement nodeA之前，会调用characters方法，用new String(ch, start, length)创建出来的字符串就是"some character"。这个方法需要注意的一点是，如果节点中的内容有多行，那么这个方法有可能会被调用多次。也就是可能会（没有验证过）每一行都调用一次characters。还有需要注意的一点是，创建出来的字符串已经包含了回车换行

ignorableWhitespace(char[], int, int); // 文档说Receive notification of ignorable whitespace in element content. 具体啥意思没试过。好像和validator有关。求解答。。。

processingInstruction(String target, String data); // 当xml有PI的时候被触发。但是xml最开始的PI不会触发，就是那个<?xml version="1.0" encoding="UTF-8"?>，是不会触发此事件的。除此之外，xml里的PI都会被处理。比如<?testpi key1="value1" key2="value2"?>就会被触发两次，target都是testpi，data两次分别是key1="value1"和key2="value2"。

skippedEntity(String); // 文档说Receive notification of a skipped entity. 不知道啥意思，求解答。。。

setDocumentLocator (Locator locator); // 这个方法也很有用，parser会在处理文档之前调用此方法。如果你需要知道当前处理到文档的第几行第几列，就需要实现这个方法。实现不需要做什么处理，只要在自己的ContentHandler里创建一个Locator类型的成员变量，用这个成员变量保存传进来的参数，然后记得调用super.setDocumentLocator。parser会实时更新Locator中的变量值。通过Locator的getLineNumber和getColumnNumber可以得到当前处理的行和列。还有publicID，systemID，不知道是做啥用的。

基本上这些内容就够解析xml用的了。

顺道问问题

除了文章中说的几个不清楚之外，还有个问题一直想知道答案。SAXP处理xml，一般处理一点就找到要找的东西了，下面一大半xml就不用处理了，那有没有什么办法让parser终止继续处理？做个boolean标记，parser总归还是要把xml走一遍的，如果xml很大，或者是远程的xml，那么就会比较有用了。

在stackoverflow上找到了解答 http://stackoverflow.com/questions/2964315/java-sax-parser-how-to-manually-break-parsing

简单来说就是在处理完毕，确定不需要继续处理的时候，直接抛个异常。。。