大数据之路week04--day05（java XML解析）
java解析XML的四种方式：
XML是一种通用的数据交换格式,它的平台无关性、语言无关性、系统无关性、给数据集成与交互带来了极大的方便。XML在不同的语言环境中解析方式都是一样的,只不过实现的语法不同而已。
XML的解析方式分为四种：1、DOM解析；2、SAX解析；3、JDOM解析；4、DOM4J解析。其中前两种属于基础方法，是官方提供的平台无关的解析方式；后两种属于扩展方法，它们是在基础的方法上扩展出来的，只适用于java平台。
针对以下XML文件，会对四种方式进行详细描述：
1 <?xml version="1.0" encoding="UTF-8"?> 2 <bookstore> 3 <book id="1"> 4 <name>挪威的森林</name> 5 <author>村上春树</author> 6 <year>2014</year> 7 <price>89</price> 8 </book> 9 <book id="2"> 10 <name>java从入门到放弃</name> 11 <year>2018</year> 12 <price>222</price> 13 <language>English</language> 14 </book> 15 </bookstore>
一、DOM解析
DOM的全称是Document Object Model，也即文档对象模型。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），应用程序正是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接口提供了一种通过分层对象模型来访问XML文档信息的方式，这些分层对象模型依据XML的文档结构形成了一棵节点树。无论XML文档中所描述的是什么类型的信息，即便是制表数据、项目列表或一个文档，利用DOM所生成的模型都是节点树的形式。也就是说，DOM强制使用树模型来访问XML文档中的信息。由于XML本质上就是一种分层结构，所以这种描述方法是相当有效的。
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，当文档比较大或者结构比较复杂时，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。不过，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使用价值的。
优点：
1、形成了树结构，有助于更好的理解、掌握，且代码容易编写。
2、解析过程中，树结构保存在内存中，方便修改。
缺点：
1、由于文件是一次性读取，所以对内存的耗费比较大。
2、如果XML文件比较大，容易影响解析性能且可能会造成内存溢出。
以下是解析代码：
1 public class DOMTest { 2 public static void main(String[] args) { 3 //创建一个DocumentBuilderFactory的对象 4 DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance(); 5 //创建一个DocumentBuilder的对象 6 try { 7 //创建DocumentBuilder对象 8 DocumentBuilder db = dbf.newDocumentBuilder(); 9 //通过DocumentBuilder对象的parser方法加载books.xml文件到当前项目下 10 Document document = db.parse("books.xml"); 11 //获取所有book节点的集合 12 NodeList bookList = document.getElementsByTagName("book"); 13 //通过nodelist的getLength()方法可以获取bookList的长度 14 System.out.println("一共有" + bookList.getLength() + "本书"); 15 //遍历每一个book节点 16 for (int i = 0; i < bookList.getLength(); i++) { 17 System.out.println("=================下面开始遍历第" + (i + 1) + "本书的内容================="); 18 //通过 item(i)方法 获取一个book节点，nodelist的索引值从0开始 19 Node book = bookList.item(i); 20 //获取book节点的所有属性集合 21 NamedNodeMap attrs = book.getAttributes(); 22 System.out.println("第 " + (i + 1) + "本书共有" + attrs.getLength() + "个属性"); 23 //遍历book的属性 24 for (int j = 0; j < attrs.getLength(); j++) { 25 //通过item(index)方法获取book节点的某一个属性 26 Node attr = attrs.item(j); 27 //获取属性名 28 System.out.print("属性名：" + attr.getNodeName()); 29 //获取属性值 30 System.out.println("--属性值" + attr.getNodeValue()); 31 } 32 //解析book节点的子节点 33 NodeList childNodes = book.getChildNodes(); 34 //遍历childNodes获取每个节点的节点名和节点值 35 System.out.println("第" + (i+1) + "本书共有" + 36 childNodes.getLength() + "个子节点"); 37 for (int k = 0; k < childNodes.getLength(); k++) { 38 //区分出text类型的node以及element类型的node 39 if (childNodes.item(k).getNodeType() == Node.ELEMENT_NODE) { 40 //获取了element类型节点的节点名 41 System.out.print("第" + (k + 1) + "个节点的节点名：" 42 + childNodes.item(k).getNodeName()); 43 //获取了element类型节点的节点值 44 System.out.println("--节点值是：" + childNodes.item(k).getFirstChild().getNodeValue()); 45 //System.out.println("--节点值是：" + childNodes.item(k).getTextContent()); 46 } 47 } 48 System.out.println("======================结束遍历第" + (i + 1) + "本书的内容================="); 49 } 50 } catch (ParserConfigurationException e) { 51 e.printStackTrace(); 52 } catch (SAXException e) { 53 e.printStackTrace(); 54 } catch (IOException e) { 55 e.printStackTrace(); 56 } 57 } 58 } 59 60
二、SAX解析
SAX的全称是Simple APIs for XML，也即XML简单应用程序接口。与DOM不同，SAX提供的访问模式是一种顺序模式，这是一种快速读写XML数据的方式。当使用SAX分析器对XML文档进行分析时，会触发一系列事件，并激活相应的事件处理函数，应用程序通过这些事件处理函数实现对XML文档的访问，因而SAX接口也被称作事件驱动接口。
优点：
1、采用事件驱动模式，对内存耗费比较小。
2、适用于只处理XML文件中的数据时。
缺点：
1、编码比较麻烦。
2、很难同时访问XML文件中的多处不同数据。
以下是解析代码：
1 public class SAXTest { 2 /** 3 * @param args 4 */ 5 public static void main(String[] args) { 6 //锟斤拷取一锟斤拷SAXParserFactory锟斤拷实锟斤拷 7 SAXParserFactory factory = SAXParserFactory.newInstance(); 8 //通锟斤拷factory锟斤拷取SAXParser实锟斤拷 9 try { 10 SAXParser parser = factory.newSAXParser(); 11 //锟斤拷锟斤拷SAXParserHandler锟斤拷锟斤拷 12 SAXParserHandler handler = new SAXParserHandler(); 13 parser.parse("books.xml", handler); 14 System.out.println("~！~！~！共有" + handler.getBookList().size() 15 + "本书"); 16 for (Book book : handler.getBookList()) { 17 System.out.println(book.getId()); 18 System.out.println(book.getName()); 19 System.out.println(book.getAuthor()); 20 System.out.println(book.getYear()); 21 System.out.println(book.getPrice()); 22 System.out.println(book.getLanguage()); 23 System.out.println("----finish----"); 24 } 25 } catch (ParserConfigurationException e) { 26 // TODO Auto-generated catch block 27 e.printStackTrace(); 28 } catch (SAXException e) { 29 // TODO Auto-generated catch block 30 e.printStackTrace(); 31 } catch (IOException e) { 32 // TODO Auto-generated catch block 33 e.printStackTrace(); 34 } 35 } 36 } 37 38 public class SAXParserHandler extends DefaultHandler { 39 String value = null; 40 Book book = null; 41 private ArrayList<Book> bookList = new ArrayList<Book>(); 42 public ArrayList<Book> getBookList() { 43 return bookList; 44 } 45 46 int bookIndex = 0; 47 /** 48 * 用来标识解析开始 49 */ 50 @Override 51 public void startDocument() throws SAXException { 52 // TODO Auto-generated method stub 53 super.startDocument(); 54 System.out.println("SAX解析开始"); 55 } 56 57 /** 58 * 用来标识解析结束 59 */ 60 @Override 61 public void endDocument() throws SAXException { 62 // TODO Auto-generated method stub 63 super.endDocument(); 64 System.out.println("SAX解析结束"); 65 } 66 67 /** 68 * 解析xml元素 69 */ 70 @Override 71 public void startElement(String uri, String localName, String qName, 72 Attributes attributes) throws SAXException { 73 //调用DefaultHandler类的startElement方法 74 super.startElement(uri, localName, qName, attributes); 75 if (qName.equals("book")) { 76 bookIndex++; 77 //创建一个book对象 78 book = new Book(); 79 //开始解析book元素的属性 80 System.out.println("======================开始遍历某一本书的内容================="); 81 //不知道book元素下属性的名称以及个数，如何获取属性名以及属性值 82 int num = attributes.getLength(); 83 for(int i = 0; i < num; i++){ 84 System.out.print("book元素的第" + (i + 1) + "个属性名是：" 85 + attributes.getQName(i)); 86 System.out.println("---属性值是：" + attributes.getValue(i)); 87 if (attributes.getQName(i).equals("id")) { 88 book.setId(attributes.getValue(i)); 89 } 90 } 91 } 92 else if (!qName.equals("name") && !qName.equals("bookstore")) { 93 System.out.print("节点名是：" + qName + "---"); 94 } 95 } 96 97 @Override 98 public void endElement(String uri, String localName, String qName) 99 throws SAXException { 100 //调用DefaultHandler类的endElement方法 101 super.endElement(uri, localName, qName); 102 //判断是否针对一本书已经遍历结束 103 if (qName.equals("book")) { 104 bookList.add(book); 105 book = null; 106 System.out.println("======================结束遍历某一本书的内容================="); 107 } 108 else if (qName.equals("name")) { 109 book.setName(value); 110 } 111 else if (qName.equals("author")) { 112 book.setAuthor(value); 113 } 114 else if (qName.equals("year")) { 115 book.setYear(value); 116 } 117 else if (qName.equals("price")) { 118 book.setPrice(value); 119 } 120 else if (qName.equals("language")) { 121 book.setLanguage(value); 122 } 123 } 124 125 @Override 126 public void characters(char[] ch, int start, int length) 127 throws SAXException { 128 // TODO Auto-generated method stub 129 super.characters(ch, start, length); 130 value = new String(ch, start, length); 131 if (!value.trim().equals("")) { 132 System.out.println("节点值是：" + value); 133 } 134 } 135 }
三、JDOM解析
特征：
1、仅使用具体类，而不使用接口。
2、API大量使用了Collections类。
以下是解析代码：
1 public class JDOMTest { 2 private static ArrayList<Book> booksList = new ArrayList<Book>(); 3 /** 4 * @param args 5 */ 6 public static void main(String[] args) { 7 // 进行对books.xml文件的JDOM解析 8 // 准备工作 9 // 1.创建一个SAXBuilder的对象 10 SAXBuilder saxBuilder = new SAXBuilder(); 11 InputStream in; 12 try { 13 // 2.创建一个输入流，将xml文件加载到输入流中 14 in = new FileInputStream("src/res/books.xml"); 15 InputStreamReader isr = new InputStreamReader(in, "UTF-8"); 16 // 3.通过saxBuilder的build方法，将输入流加载到saxBuilder中 17 Document document = saxBuilder.build(isr); 18 // 4.通过document对象获取xml文件的根节点 19 Element rootElement = document.getRootElement(); 20 // 5.获取根节点下的子节点的List集合 21 List<Element> bookList = rootElement.getChildren(); 22 // 继续进行解析 23 for (Element book : bookList) { 24 Book bookEntity = new Book(); 25 System.out.println("======开始解析第" + (bookList.indexOf(book) + 1) 26 + "书======"); 27 // 解析book的属性集合 28 List<Attribute> attrList = book.getAttributes(); 29 // //知道节点下属性名称时，获取节点值 30 // book.getAttributeValue("id"); 31 // 遍历attrList(针对不清楚book节点下属性的名字及数量) 32 for (Attribute attr : attrList) { 33 // 获取属性名 34 String attrName = attr.getName(); 35 // 获取属性值 36 String attrValue = attr.getValue(); 37 System.out.println("属性名：" + attrName + "----属性值：" 38 + attrValue); 39 if (attrName.equals("id")) { 40 bookEntity.setId(attrValue); 41 } 42 } 43 // 对book节点的子节点的节点名以及节点值的遍历 44 List<Element> bookChilds = book.getChildren(); 45 for (Element child : bookChilds) { 46 System.out.println("节点名：" + child.getName() + "----节点值：" 47 + child.getValue()); 48 if (child.getName().equals("name")) { 49 bookEntity.setName(child.getValue()); 50 } 51 else if (child.getName().equals("author")) { 52 bookEntity.setAuthor(child.getValue()); 53 } 54 else if (child.getName().equals("year")) { 55 bookEntity.setYear(child.getValue()); 56 } 57 else if (child.getName().equals("price")) { 58 bookEntity.setPrice(child.getValue()); 59 } 60 else if (child.getName().equals("language")) { 61 bookEntity.setLanguage(child.getValue()); 62 } 63 } 64 System.out.println("======结束解析第" + (bookList.indexOf(book) + 1) 65 + "书======"); 66 booksList.add(bookEntity); 67 bookEntity = null; 68 System.out.println(booksList.size()); 69 System.out.println(booksList.get(0).getId()); 70 System.out.println(booksList.get(0).getName()); 71 72 } 73 } catch (FileNotFoundException e) { 74 e.printStackTrace(); 75 } catch (JDOMException e) { 76 e.printStackTrace(); 77 } catch (IOException e) { 78 e.printStackTrace(); 79 } 80 } 81 }
4、DOM4J解析
这里给出我的百度云jar包链接，自行需要下载：
链接：https://pan.baidu.com/s/1XgU7aVCaTDOOOym-HrdsDw
提取码：efja
特征：
1、JDOM的一种智能分支，它合并了许多超出基本XML文档表示的功能。
2、它使用接口和抽象基本类方法。
3、具有性能优异、灵活性好、功能强大和极端易用的特点。
4、是一个开放源码的文件
先写xml文件：
1 <?xml version="1.0" encoding="UTF-8"?> 2 <class name="数加学院第6期"> 3 <student1 name="学生1"> 4 <name name="赵以浩">赵以浩</name> 5 <age name="24">24</age> 6 <sex name="男">男</sex> 7 </student1> 8 9 <student2 name="学生2"> 10 <name name="齐博源">齐博源</name> 11 <age name="22">22</age> 12 <sex name="男">男</sex> 13 </student2> 14 15 <student3 name="学生3"> 16 <name name="李先锋">李先锋</name> 17 <age name="22">22</age> 18 <sex name="男">男</sex> 19 </student3> 20 <Student4 name="学生4" id="4"> 21 <name name="李宏灿" /> 22 <age name="22" /> 23 <sex name="男" /> 24 </Student4> 25 26 </class>
对xml进行增删改查，以及保存到新的xml文件：
1 package day02_xml解析; 2 3 import java.io.FileWriter; 4 import java.io.IOException; 5 import java.util.Iterator; 6 7 import org.dom4j.Document; 8 import org.dom4j.DocumentException; 9 import org.dom4j.Element; 10 import org.dom4j.io.OutputFormat; 11 import org.dom4j.io.SAXReader; 12 import org.dom4j.io.XMLWriter; 13 14 /** 15 * @author WYH 16 * @version 2019年11月26日 上午10:11:25 17 */ 18 public class demo1 { 19 //静态方法只能调用静态成员变量 20 private static Document doc; 21 22 /* 23 * 加载xml 24 */ 25 //定义成静态为了可以直接使用类名调用 26 public static void load() throws DocumentException { 27 SAXReader sr = new SAXReader(); 28 doc = sr.read("更新信息.xml"); 29 } 30 31 32 /* 33 * 查 34 */ 35 //解析并显示xml指定信息 36 //定义成静态为了可以使用类名直接调用 37 public static void show() { 38 //获取最外层的根 39 Element root = doc.getRootElement(); 40 //获取最外层的根的name值 41 String s = root.attributeValue("name"); 42 System.out.println(s); 43 //因为根下面还有很多数值，用迭代器进行操作 44 //加入泛型，省去强制转换 45 @SuppressWarnings("unchecked") 46 Iterator<Element> it1 = root.elementIterator(); 47 //hasNext()判断是否存在元素 48 while(it1.hasNext()) { 49 Element e1 = it1.next(); 50 String s1 = e1.attributeValue("name"); 51 @SuppressWarnings("unchecked") 52 Iterator<Element> it2 = e1.elementIterator(); 53 System.out.println(s1); 54 while(it2.hasNext()) { 55 Element e2 = it2.next(); 56 String s2 = e2.attributeValue("name"); 57 System.out.println("\t"+s2); 58 } 59 } 60 } 61 62 63 /* 64 * 增 65 * 66 */ 67 public static void add() { 68 Element root = doc.getRootElement(); 69 Element e1 = root.addElement("Student5"); 70 e1.addAttribute("name", "学生5"); 71 72 Element e2 = e1.addElement("name"); 73 e2.addAttribute("name", "李智恩"); 74 Element e3 = e1.addElement("age"); 75 e3.addAttribute("name", "20"); 76 Element e4 = e1.addElement("sex"); 77 e4.addAttribute("name", "女"); 78 79 System.out.println("新增后-------------------"); 80 save("更新信息.xml"); 81 show(); 82 83 } 84 85 /* 86 * 删(remove) 87 * 88 */ 89 public static void remove() { 90 Element root = doc.getRootElement(); 91 Iterator<Element> it = root.elementIterator(); 92 while(it.hasNext()) { 93 Element e = it.next(); 94 if(e.attributeValue("name").equals("学生4")) { 95 e.getParent().remove(e); 96 } 97 } 98 save("更新信息.xml"); 99 } 100 101 102 103 /* 104 * 改(update) 105 * 106 */ 107 public static void update() { 108 Element root = doc.getRootElement(); 109 int id = 0; 110 @SuppressWarnings("unchecked") 111 Iterator<Element> it = root.elementIterator(); 112 while(it.hasNext()) { 113 id++; 114 Element e = it.next(); 115 e.addAttribute("id", id+""); 116 } 117 118 save("更新信息1.xml"); 119 } 120 121 public static void update1() { 122 Element root = doc.getRootElement(); 123 Iterator<Element> it = root.elementIterator(); 124 while(it.hasNext()) { 125 Element e = it.next(); 126 Iterator<Element> it1 = e.elementIterator(); 127 while(it1.hasNext()) { 128 Element e1 = it1.next(); 129 if(e1.getText().equals("李智恩")) { 130 e1.addAttribute("name", "IU"); 131 } 132 } 133 134 } 135 136 save("更新信息1.xml"); 137 } 138 139 /* 140 * 存(save) 141 */ 142 public static void save(String s) { 143 OutputFormat of = OutputFormat.createPrettyPrint(); 144 of.setEncoding("UTF-8"); 145 try { 146 XMLWriter xw = new XMLWriter(new FileWriter(s),of); 147 xw.write(doc); 148 xw.close(); 149 } catch (IOException e) { 150 e.printStackTrace(); 151 } 152 } 153 154 public static void main(String[] args) throws DocumentException { 155 load(); 156 /*show(); 157 add();*/ 158 /*remove(); 159 System.out.println("删除后-------------"); 160 show();*/ 161 update1(); 162 show(); 163 } 164 165 }
小结：
主要掌握几个方法：
1、加载xml文件：
SAXReader sr = new SAXReader();
doc = sr.read("更新信息.xml");
2、获取根节点，返回的是Element类型：
//获取最外层的根
Element root = doc.getRootElement();
3、获取到'name'的具体值：返回String类型
attributeValue();
4、创建迭代器：返回迭代器类型
elementIterator();
5、增加新的节点：返回Element类型
addElement();
6、设置name值：
addAttribute();
7、获取父亲节点：
getParent();
8、移除节点：
remove();
比较总结
DOM4J性能最好，连Sun的JAXM也在用DOM4J。目前许多开源项目中大量采用DOM4J，例如大名鼎鼎的Hibernate也用DOM4J来读取XML配置文件。如果不考虑可移植性，那就采用DOM4J。
JDOM和DOM在性能测试时表现不佳，在测试10M文档时内存溢出。在小文档情况下还值得考虑使用DOM和JDOM。虽然JDOM的开发者已经说明他们期望在正式发行版前专注性能问题，但是从性能观点来看，它确实没有值得推荐之处。另外，DOM仍是一个非常好的选择。DOM实现广泛应用于多种编程语言。它还是许多其它与XML相关的标准的基础，因为它正式获得W3C推荐（与基于非标准的Java模型相对），所以在某些类型的项目中可能也需要它（如在JavaScript中使用DOM）。
SAX表现较好，这要依赖于它特定的解析方式－事件驱动。一个SAX检测即将到来的XML流，但并没有载入到内存（当然当XML流被读入时，会有部分文档暂时隐藏在内存中）。
