(转)java解析xml的具体流程

本文转载自：http://blog.csdn.net/royal_coffee/article/details/2603916

java 代码

import javax.xml.parsers.DocumentBuilder;
 import javax.xml.parsers.DocumentBuilderFactory;

 import org.w3c.dom.Document;
 import org.w3c.dom.Element;
 import org.w3c.dom.NodeList;

 public class xmldisplay {
    public static void main(String args[]) {
        try {
            DocumentBuilderFactory factory = DocumentBuilderFactory
                    .newInstance();
            DocumentBuilder builder = factory.newDocumentBuilder();
            Document doc = builder.parse("links.xml");
            doc.normalize();
            NodeList links = doc.getElementsByTagName("link");
            for (int i = 0; i < links.getLength(); i++) {
                Element link = (Element) links.item(i);
                System.out.print("Content: ");
                System.out.println(link.getElementsByTagName("text").item(0)
                        .getFirstChild().getNodeValue());
                System.out.print("URL: ");
                System.out.println(link.getElementsByTagName("url").item(0)
                        .getFirstChild().getNodeValue());
                System.out.print("Author: ");
                System.out.println(link.getElementsByTagName("author").item(0)
                        .getFirstChild().getNodeValue());
                System.out.print("Date: ");
                Element linkdate = (Element) link.getElementsByTagName("date")
                        .item(0);
                String day = linkdate.getElementsByTagName("day").item(0)
                        .getFirstChild().getNodeValue();
                String month = linkdate.getElementsByTagName("month").item(0)
                        .getFirstChild().getNodeValue();
                String year = linkdate.getElementsByTagName("year").item(0)
                        .getFirstChild().getNodeValue();
                System.out.println(day + "-" + month + "-" + year);
                System.out.print("Description: ");
                System.out.println(link.getElementsByTagName("description")
                        .item(0).getFirstChild().getNodeValue());
                System.out.println();
            }
        } catch (Exception e) {
            e.printStackTrace();
        }

    }
}

xml 代码

<!--sp-->xml version="1.0" encoding="UTF-8"?><links>

    <link>
        <text/>
        <url>www..comurl>
        <author>hhauthor>
        <date>
            <day>23day>
            <month>7month>
            <year>2007year>
        date>
        <description>
            A site
        description>
    link>

 如何利用JSP开发DOM应用？ 　　DOM是Document Object Model的缩写，即文档对象模型。XML将数据组织为一颗树，所以DOM就是对这颗树的一个对象描叙。通俗的说，就是通过解析XML文档，为XML文档 在逻辑上建立一个树模型，树的节点是一个个对象。我们通过存取这些对象就能够存取XML文档的内容。 　　下面我们来看一个简单的例子，看看在DOM中，我们是如何来操作一个XML文档的。这是一个XML文档，也是我们要操作的对象：

＜?xml version="1.0" encoding="UTF-8"?＞ ＜messages＞ ＜message＞Good-bye serialization, hello Java!＜/message＞ ＜/messages＞

　　下面，我们需要把这个文档的内容解析到一个个的Java对象中去供程序使用，利用JAXP，我们只需几行代码就能做到这一点。首先，我们需要建立一个解析器工厂，以利用这个工厂来获得一个具体的解析器对象： 　　DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance(); 　　我们在这里使用DocumentBuilderFacotry的目的是为了创建与具体解析器无关的程序，当 DocumentBuilderFactory类的静态方法newInstance()被调用时，它根据一个系统变量来决定具体使用哪一个解析器。又因为 所有的解析器都服从于JAXP所定义的接口，所以无论具体使用哪一个解析器，代码都是一样的。所以当在不同的解析器之间进行切换时，只需要更改系统变量的 值，而不用更改任何代码。这就是工厂所带来的好处。 　　DocumentBuilder db = dbf.newDocumentBuilder(); 　　当获得一个工厂对象后，使用它的静态方法newDocumentBuilder()方法可以获得一个DocumentBuilder对象，这个对象代表了具体的DOM解析器。但具体是哪一种解析器，微软的或者IBM的，对于程序而言并不重要。 　　然后，我们就可以利用这个解析器来对XML文档进行解析了： 　　Document doc = db.parse("c:/xml/message.xml"); 　　DocumentBuilder的parse()方法接受一个XML文档名作为输入参数，返回一个Document对象，这个Document对象就 代表了一个XML文档的树模型。以后所有的对XML文档的操作，都与解析器无关，直接在这个Document对象上进行操作就可以了。而具体对 Document操作的方法，就是由DOM所定义的了。 　　从得到的Document对象开始，我们就可以开始我们的DOM之旅了。使用Document对象的getElementsByTagName()方 法，我们可以得到一个NodeList对象，一个Node对象代表了一个XML文档中的一个标签元素，而NodeList对象，观其名而知其意，所代表的 是一个Node对象的列表： 　　NodeList nl = doc.getElementsByTagName("message"); 　　我们通过这样一条语句所得到的是XML文档中所有＜message＞标签对应的Node对象的 　　一个列表。然后，我们可以使用NodeList对象的item()方法来得到列表中的每一个Node对象： 　　Node my_node = nl.item(0); 　　当一个Node对象被建立之后，保存在XML文档中的数据就被提取出来并封装在这个Node中了。在这个例子中，要提取Message标签内的内容， 我们通常会使用Node对象的getNodeValue()方法： String message = my_node.getFirstChild().getNodeValue(); 　　请注意，这里还使用了一个getFirstChild()方法来获得message下面的第一个子Node对象。虽然在message标签下面除了文 本外并没有其它子标签或者属性，但是我们坚持在这里使用getFirseChild()方法，这主要和W3C对DOM的定义有关。W3C把标签内的文本部 分也定义成一个Node，所以先要得到代表文本的那个Node，我们才能够使用getNodeValue()来获取文本的内容。现在，既然我们已经能够从 XML文件中提取出数据了，我们就可以把这些数据用在合适的地方，来构筑应用程序。 　　DOM实例 　　先说说这个例子到底要做的是什么吧，我们在一个名为link.xml文件中保存了一些URL地址，我们希望可以通过DOM把这些URL读出并显示出来，也可以反过来向这个XML文件中写入加入的URL地址。很简单，却很实用，也足够来例示DOM的绝大部分用法了。 　　第一个程序我们称为xmldisplay.Java，主要的功能就是读取这个XML文件中各个节点的内容，然后在格式化输出在System.out上，我们来看看这个程序：

import Javax.xml.parsers.*; import org.w3c.dom.*;

　　这是引入必要的类，因为在这里使用的是Sun所提供的XML解析器，因而需要引入Java.xml.parsers包，其中包含了有DOM解析器和SAX解析器的具体实现。org.w3c.dom包中定义了w3c所制定的DOM接口。 DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); DocumentBuilder builder=factory.newDocumentBuilder(); Document doc=builder.parse("links.xml"); doc.normalize();

　　除了上面讲到的，还有一个小技巧，对Document对象调用normalize()，可以去掉XML文档中作为格式化内容的空白而映射在DOM树中 的不必要的Text Node对象。否则你得到的DOM树可能并不如你所想象的那样。特别是在输出的时候，这个normalize()更为有用。

　　NodeList links =doc.getElementsByTagName("link");

　　刚才说过，XML文档中的空白符也会被作为对象映射在DOM树中。因而，直接调用Node方法的getChildNodes方法有时候会有些问题，有 时不能够返回所期望的NodeList对象。解决的办法是使用Element的getElementByTagName(String)，返回的 NodeLise就是所期待的对象了。然后，可以用item()方法提取想要的元素。

for (int i=0;i＜links.getLength();i++){ Element link=(Element) links.item(i); System.out.print("Content: "); System.out.println(link.getElementsByTagName("text").item(0).getFirstChild(); .getNodeValue()); ……

　　上面的代码片断就完成了对XML文档内容的格式化输出。只要注意到一些细节的问题，比如getFirstChile()方法和 getElementsByTagName()方法的使用，这些还是比较容易的。 　　下面的内容，就是在修改了DOM树后重新写入到XML文档中去的问题了。这个程序名为xmlwrite.Java。在JAXP1.0版本中，并没有直 接的类和方法能够处理XML文档的写入问题，需要借助其它包中的一些辅助类。而在JAXP1.1版本中，引入了对XSLT的支持，所谓XSLT，就是对 XML文档进行变换（Translation）后，得到一个新的文档结构。利用这个新加入的功能，我们就能够很方便的把新生成或者修改后的DOM树从新写 回到XML文件中去了，下面我们来看看代码的实现，这段代码的主要功能是向links.xml文件中加入一个新的link节点：

import Javax.xml.parsers.*; import Javax.xml.transform.*; import Javax.xml.transform.dom.DOMSource; import Javax.xml.transform.stream.StreamResult; import org.w3c.dom.*;

　　新引入的Java.xml.transform包中的几个类，就是用来处理XSLT变换的。 我们希望在上面的XML文件中加入一个新的link节点，因而首先还是要读入links.xml文件，构建一个DOM树，然后再对这个DOM树进行修改（添加节点），最后把修改后的DOM写回到links.xml文件中：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); DocumentBuilder builder=factory.newDocumentBuilder(); Document doc=builder.parse("links.xml"); doc.normalize(); //---取得变量---- String text="Hanzhong's Homepage"; String url="www.hzliu.com"; String author="Hzliu Liu"; String discription="A site from Hanzhong Liu, give u lots of suprise!!!";

　　为了看清重点，简化程序，我们把要加入的内容硬编码到记忆String对象中，而实际操作中，往往利用一个界面来提取用户输入，或者通过JDBC从数据库中提取想要的内容。

Text textseg; Element link=doc.createElement("link");

　　首先应该明了的是，无论什么类型的Node，Text型的也好，Attr型的也好，Element型的也好，它们的创建都是通过Document对象 中的createXXX()方法来创建的（XXX代表具体要创建的类型），因此，我们要向XML文档中添加一个link项目，首先要创建一个link对 象：

Element linktext=doc.createElement("text"); textseg=doc.createTextNode(text); linktext.appendChild(textseg); link.appendChild(linktext); ……

　　创建节点的过程可能有些千篇一律，但需要注意的地方是，对Element中所包含的text（在DOM中，这些text也是代表了一个Node的，因 此也必须为它们创建相应的node），不能直接用Element对象的setNodeValue()方法来设置这些text的内容，而需要用创建的 Text对象的setNodeValue()方法来设置文本，这样才能够把创建的Element和其文本内容添加到DOM树中。看看前面的代码，你会更好 的理解这一点： doc.getDocumentElement().appendChild(link); 　　最后，不要忘记把创建好的节点添加到DOM树中。Document类的getDocumentElement()方法，返回代表文档根节点的 Element对象。在XML文档中，根节点一定是唯一的。

TransformerFactory tFactory =TransformerFactory.newInstance(); Transformer transformer = tFactory.newTransformer(); DOMSource source = new DOMSource(doc); StreamResult result = new StreamResult(new Java.io.File("links.xml")); transformer.transform(source, result);

　　然后就是用XSLT把DOM树输出了。这里的TransformerFactory也同样应用了工厂模式，使得具体的代码同具体的变换器无关。实现的 方法和DocumentBuilderFactory相同，这儿就不赘述了。Transformer类的transfrom方法接受两个参数、一个数据源 Source和一个输出目标Result。这里分别使用的是DOMSource和StreamResult，这样就能够把DOM的内容输出到一个输出流 中，当这个输出流是一个文件的时候，DOM的内容就被写入到文件中去了。

如何利用JSP开发SAX应用？ 　　SAX是Simple API for XML的缩写，它并不是由W3C官方所提出的标准，可以说是"民间"的事实标准。实际上，它是一种社区性质的讨论产物。虽然如此，在XML中对SAX的应 用丝毫不比DOM少，几乎所有的XML解析器都会支持它。 　　与DOM比较而言，SAX是一种轻量型的方法。我们知道，在处理DOM的时候，我们需要读入整个的XML文档，然后在内存中创建DOM树，生成DOM 树上的每个Node对象。当文档比较小的时候，这不会造成什么问题，但是一旦文档大起来，处理DOM就会变得相当费时费力。特别是其对于内存的需求，也将 是成倍的增长，以至于在某些应用中使用DOM是一件很不划算的事（比如在applet中）。这时候，一个较好的替代解决方法就是SAX。 　　SAX在概念上与DOM完全不同。首先，不同于DOM的文档驱动，它是事件驱动的，也就是说，它并不需要读入整个文档，而文档的读入过程也就是SAX 的解析过程。所谓事件驱动，是指一种基于回调（callback）机制的程序运行方法。（如果你对Java新的代理事件模型比较清楚的话，就会很容易理解 这种机制了）在XMLReader接受XML文档，在读入XML文档的过程中就进行解析，也就是说读入文档的过程和解析的过程是同时进行的，这和DOM区 别很大。解析开始之前，需要向XMLReader注册一个ContentHandler，也就是相当于一个事件监听器，在ContentHandler中 定义了很多方法，比如startDocument()，它定制了当在解析过程中，遇到文档开始时应该处理的事情。当XMLReader读到合适的内容，就 会抛出相应的事件，并把这个事件的处理权代理给ContentHandler，调用其相应的方法进行响应。 　　这样泛泛的说来或许有些不容易理解，别急，后面的例子会让你明白SAX的解析过程。看看这个简单XML文件：

＜POEM＞ ＜AUTHOR＞Ogden Nash＜/AUTHOR＞ ＜TITLE＞Fleas＜/TITLE＞ ＜LINE＞Adam＜/LINE＞ ＜/POEM＞

当XMLReader读到＜POEM＞标签时，就会调用ContentHandler.startElement()方法，并把标签名POEM作为参 数传递过去。在你实现的startElement()方法中需要做相应的动作，以处理当＜POEM＞出现时应该做的事情。各个事件随着解析的过程（也就是 文档读入的过程）一个个顺序的被抛出，相应的方法也会被顺序的调用，最后，当解析完成，方法都被调用后，对文档的处理也就完成了。下面的这个表，列出了在 解析上面的那个XML文件的时候，顺序被调用的方法： 　　遇到的项目 方法回调

{文档开始} startDocument() ＜POEM＞ startElement(null,"POEM",null,{Attributes}) "/n" characters("＜POEM＞/n...", 6, 1) ＜AUTHOR＞ startElement(null,"AUTHOR",null,{Attributes}) "Ogden Nash" characters("＜POEM＞/n...", 15, 10) ＜/AUTHOR＞ endElement(null,"AUTHOR",null) "/n" characters("＜POEM＞/n...", 34, 1) ＜TITLE＞ startElement(null,"TITLE",null,{Attributes}) "Fleas" characters("＜POEM＞/n...", 42, 5) ＜/TITLE＞ endElement(null,"TITLE",null) "/n" characters("＜POEM＞/n...", 55, 1) ＜LINE＞ startElement(null,"LINE",null,{Attributes}) "Adam" characters("＜POEM＞/n...", 62, 4) ＜/LINE＞ endElement(null,"LINE",null) "/n" characters("＜POEM＞/n...", 67, 1) ＜/POEM＞ endElement(null,"POEM",null) {文档结束} endDocument()

ContentHandler实际上是一个接口，当处理特定的XML文件的时候，就需要为其创建一个实现了ContentHandler的类来处理特 定的事件，可以说，这个实际上就是SAX处理XML文件的核心。下面我们来看看定义在其中的一些方法： 　　void characters(char[] ch, int start, int length)：这个方法用来处理在XML文件中读到字符串，它的参数是一个字符数组，以及读到的这个字符串在这个数组中的起始位置和长度，我们可以很容 易的用String类的一个构造方法来获得这个字符串的String类：String charEncontered=new String(ch,start,length)。 　　void startDocument()：当遇到文档的开头的时候，调用这个方法，可以在其中做一些预处理的工作。 　　void endDocument()：和上面的方法相对应，当文档结束的时候，调用这个方法，可以在其中做一些善后的工作。 　　void startElement(String namespaceURI, String localName, String qName, Attributes atts)：当读到一个开始标签的时候，会触发这个方法。在SAX1.0版本中并不支持名域，而在新的2.0版本中提供了对名域的支持，这儿参数中的 namespaceURI就是名域，localName是标签名，qName是标签的修饰前缀，当没有使用名域的时候，这两个参数都未null。而 atts是这个标签所包含的属性列表。通过atts，可以得到所有的属性名和相应的值。要注意的是SAX中一个重要的特点就是它的流式处理，在遇到一个标 签的时候，它并不会纪录下以前所碰到的标签，也就是说，在startElement()方法中，所有你所知道的信息，就是标签的名字和属性，至于标签的嵌 套结构，上层标签的名字，是否有子元属等等其它与结构相关的信息，都是不得而知的，都需要你的程序来完成。这使得SAX在编程处理上没有DOM来得那么方 便。 　　void endElement(String namespaceURI, String localName, String qName)：这个方法和上面的方法相对应，在遇到结束标签的时候，调用这个方法。 　　我们还是沿用讲DOM的时候使用的那个文档例子，但首先，我们先看一个简单一些的应用，我们希望能够统计一下XML文件中各个标签出现的次数。这个例 子很简单，但是足以阐述SAX编程的基本思路了。一开始当然还是import语句了：

import org.xml.sax.helpers.DefaultHandler; import Javax.xml.parsers.*; import org.xml.sax.*; import org.xml.sax.helpers.*; import Java.util.*; import Java.io.*;

然后，我们创建一个继承于DefaultHandler的类，具体的程序逻辑在这儿可以暂且放在一边，要注意的是程序的结构：

public class SAXCounter extends DefaultHandler { private Hashtable tags; //这个Hashtable用来记录tag出现的次数 // 处理文档前的工作 public void startDocument() throws SAXException { tags = new Hashtable();//初始化Hashtable } //对每一个开始元属进行处理 public void startElement(String namespaceURI, String localName, String rawName, Attributes atts) throws SAXException { String key = localName; ……

我们来看看这段程序作了些什么。在main()方法中，主要做的就是创建解析器，然后解析文档。实际上，在这儿创建SAXParser对象的时候，为 了使程序代码于具体的解析器无关，使用了同DOM中一样的设计技巧：通过一个SAXParserFactory类来创建具体的SAXParser对象，这 样，当需要使用不同的解析器的时候，要改变的，只是一个环境变量的值，而程序的代码可以保持不变。这就是FactoryMethod模式的思想。在这儿不 再具体讲了，如果还有不明白的，可以参看上面DOM中的解释，原理是一样的。 　　不过在这儿还有一点点要注意的地方，就是SAXParser类和XMLReader类之间的关系。你可能有些迷糊了吧，实际上SAXParser是 JAXP中对XMLReader的一个封装类，而XMLReader是定义在SAX2.0种的一个用来解析文档的接口。你可以同样的调用 SAXParser或者XMLReader中的parser()方法来解析文档，效果是完全一样的。不过在SAXParser中的parser()方法接 受更多的参数，可以对不同的XML文档数据源进行解析，因而使用起来要比XMLReader要方便一些。 　　这个例子仅仅涉及了SAX的一点皮毛，而下面的这个，可就要高级一些了。下面我们要实现的功能，在DOM的例子中已经有实现了，就是从XML文档中读 出内容并格式化输出，虽然程序逻辑看起来还是很简单，但是SAX可不比DOM哦，看着吧。 　　前面说过，当遇到一个开始标签的时候，在startElement()方法中，我们并不能够得到这个标签在XML文档中所处的位置。这在处理XML文 档的时候是个大麻烦，因为在XML中标签的语义，有一部分是由其所处的位置所决定的。而且在一些需要验证文档结构的程序中，这更是一个问题。当然，没有解 决不了的问题了，我们可以使用一个栈来实现对文档结构的纪录。 　　栈的特点是先进先出，我们现在的想法是，在startElemnt()方法中用push将这个标签的名字添加到栈中，在endElement()方法 中在把它pop出来。我们知道对一个结构良好的XML而言，其嵌套结构是完备的，每一个开始标签总会对应一个结束标签，而且不会出现标签嵌套之间的错位。 因而，每一次startElement()方法的调用，必然会对应一个endElement()方法的调用，这样push和pop也是成对出现的，我们只 需要分析栈的结构，就可以很容易的知道当前标签所处在文档结构中的位置了。

public class SAXReader extends DefaultHandler { Java.util.Stack tags=new Java.util.Stack(); ……

在这儿虽然没有使用到栈的分析，但实际上栈的分析是一件很容易的事情，应为Java.util.Stack继承了Java.util.Vector 类，而且Stack中的元素是按栈的结构由底至上排列的，因个，我们可以使用Vector类的size()方法来得到Stack的元素个数，还可以使用 Vector的get(int)方法来得到具体的每一个元属。实际上，如果把Stack的元素从底向上逐一排列出来，我们就得到了从XML根节点到当前节 点的一条唯一的路径，有了这条路径的信息，文档的结构就在清楚不过了。 　　到目前为止，我们已经掌握了对于XML编程的两大利器：DOM和SAX，也知道了该如何在一个Java程序中使用它们。DOM编程相对简单，但是速度 比较慢，占用内存多，而S AX编程复杂一些，但是速度快，占用内存少。所以，我们应该根据不同的环境选择使用不同的方法。大部分的XML应用基本都可以用它们来解决。需要特别说明 的是，DOM和SAX其实都是语言无关的，并非Java所独有，也就是说，只要有相应的语言实现，DOM和SAX可以应用在任何面向对象的语言中。