一个 XML Parser(解析器)是一段可以读入一个文档并分析其结构的代码。
在本章节,我们将讨论如何使用一个 XML 解析器来读入一个 XML 文档。我们也将讨论不同类型的解析器以及您在何时使用它们。
通常而言,使用一个解析器需要如下步骤:
- 创建一个解析器对象
- 将您的 XML 文档传递给解析器
- 处理结果
构建一个 XML 应用显然远远超出这些,但通常一个 XML 的应用将包含这些流程。
有不同的方法来划分解析器种类:
- 验证或非验证解析器
- 支持 Document Object Model (DOM) 的解析器
- 支持 Simple API for XML (SAX) 的解析器
- 特定语言编写的解析器 (Java, C++, Perl 等)
接下来我们将讨论这几种解析器的各自特点.
如我们在前面所提及的,XML 文档如果使用一个 DTD 并符合 DTD 中的规则将被称为有效文档(valid document)。符合基本标记规则的 XML 文档被称为格式正确文档(well-formed document)。
XML 规范要求所有的解析器当其发现一个文档不是格式正确时要报错。
验证(Validation)则是另一个问题了。验证解析器(Validating parser)在解析 XML 文档同时进行验证。非验证解析器(Non-validating parser) 忽略所有的验证错误。
换而言之,如果一个 XML 文档是格式正确的时,一个非验证解析器并不关注文档是否符合其对应 DTD 所指定的规则(如果有的话)。
速度和效率。要一个 XML 解析器处理 DTD 并确保每个 XML 的元素符合在 DTD 中的规则需要相当大的开销。如果您确定一个 XML 文档是有效的(可能来自一个数据源),那就没有必要再次验证它了。
同样,有时您所需要的只是从一个文档中找出 XML 的标记。一旦您有了这些标记,您可以将数据从中提取出然后加以处理。如果这就是您所需要的,一个非验证解析器就是正确的选择。
文档对象模型(Document Object Model)是 World Wide Web Consortium(W3C) 的正式推荐。它定义了一个接口使得程序可以存取和更新 XML 文档的风格、结构和内容。支持 DOM 的 XML 解析器实现该接口。
该规范的第一版,DOM Level 1,可从 http://www.w3.org/TR/REC-DOM-Level-1 获得。
当您用一个 DOM 解析器来解析一个 XML 文档时,您将获得一个包含文档中所有元素的树结构。DOM 提供了不同的功能来检查文档的内容和结构。
SAX API 是另一种处理 XML 文档内容的方法。一个既成事实的标准,它由 David Megginson 和 XML-Dev 邮件列表其它成员所开发。
要查看完整的 SAX 标准,参见 www.megginson.com/SAX/。要参加 XML-Dev 邮件列表,发送邮件到 majordomo@ic.ac.uk 其中包含: subscribe xml-dev。
当您使用 SAX 解析器来解析 XML 文档时,解析器在文档的不同处将产生事件。由您来决定对每个事件如何处理。
SAX 解析器会在以下情况下产生事件:在文档开始和结束时,在一个元素开始和结束时,或者它在一个元素中找到字符时,以及其它若干点。您可编写 Java 代码来处理每个事件,以及如何处理从解析器获得的信息。
为了确定哪种接口适合您,您需要理解所有接口的设计要点,而且需要理解应用程序用您将要处理的 XML 文档来做什么。考虑下面的问题将有助于您找到正确的方法。
- 要用 Java 编写应用程序吗?
JAXP 使用 DOM、SAX 和 JDOM;如果您用 Java 编写代码,那么您应使用 JAXP 将您的代码与各种解析器实现的细节隔离。 - 应用程序将如何部署?
如果您的应用程序将要作为 Java applet 部署,那么您会希望使要下载的 代码数量最小,别忘了 SAX 解析器比 DOM 解析器小。还要知道使用 JDOM 时,除了 SAX 或 DOM 解析器之外还要求编写少量的代码。 - 一旦解析了 XML 文档,还需要多次访问那些数据吗?
如果您需要回过头来访问 XML 文件的已解析版本,DOM 可能是正确的选择。 而 SAX 事件被触发时,如果您以后需要它,则由您(开发人员)自己决定以 某种方式保存它。如果您需要访问不曾保存的事件,则必须再次解析该文件。 而 DOM 自动保存所有的数据。 - 只需要 XML 源文件的少量内容吗?
如果您只需要 XML 源文件的少量内容,那么 SAX 可能是正确的选择。SAX 不会为源文件中的每个东西创建对象;您要确定什么是重要的。使用 SAX, 您要检查每个事件以了解它是否与您的需要有关,然后相应地处理它。更妙 的是,一旦找到您正在寻找的东西,您的代码就会抛出一个异常来完全停止 SAX 解析器。 - 您正在一台内存很少的机器上工作吗?
若是的话,不管您可能考虑到的其它因素是什么,SAX 是您的最佳选择。
要知道还存在用于其它语言的 XML API;尤其是 Perl 和 Python 社区有极佳的 XML 工具。
- Java
IBM 的解析器,XML4J,可从 www.alphaWorks.ibm.com/tech/xml4j 获得。
James Clark 的解析器,XP,可从 www.jclark.com/xml/xp 获得。
Sun 的 XML 解析器可从 developer.java.sun.com/products/xml/ (您必需成为 Java Developer Connection 的会员)下载。
DataChannel 的 XJParser 可从 xdev.datachannel.com/downloads/xjparser/ 获得。 - C++
IBM 的 XML4C 解析器可从 www.alphaWorks.ibm.com/tech/xml4c 获得。
James Clark 的 C++ 解析器,expat,可从 www.jclark.com/xml/expat.html 获得。 - Perl
有多种 Perl 语言的 XML 解析器。要获得更多信息,参见 www.perlxml.com/faq/perl-xml-faq.html。 - Python
要获得更多 Python 语言的 XML 解析器,参见 www.python.org/topics/xml/。