Xml解析.doc

Java 中的 XML: Java 文档模型的用法简要探讨 Java 中不同 XML 文档模型的工作原理Dennis M. Sosnoski (), 总裁, Sosnoski Software Solutions, Inc.Dennis Sosnoski 是西雅图地区 Java 咨询公司 Sosnoski Software Solutions, Inc.的创始人和首席顾问，他是 J2EE、XML 和 Web 服务支持方面的专家。他已经有 30 多年专业软件开发经验，最近几年他集中研究服务器端的 Java 技术。Dennis 经常在全国性的会议上就 XML 和 Java 技术发表演讲，您可以通过 与 Dennis 联系。简介：本文中，XML 工具观察家 Dennis Sosnoski 对比了几种 Java 文档模型的可用性。当选取一种模型时并不总是很清楚有哪些折衷，而且如果您稍后改了主意，那么可能需要进行大量重新编码工作才能转换。作者将样本代码与模型 API 的分析相结合，对哪些模型可能真正使您的工作方便给出了建议。本文包含显示五种不同文档模型的方法的代码样本。标记本文！发布日期：2002 年 2 月 01 日 级别：初级 访问情况178 次浏览 建议:0(添加评论) 平均分 （共 0 个评分 ）在本系列的第一篇文章中，我研究了一些用 Java 编写的主要的 XML 文档模型的性能。但是，在开始选择这种类型的技术时，性能只是问题的一部分。使用方便至少是同样重要的，并且它已是一个主要理由，来支持使用 Java 特定的模型，而不是与语言无关的 DOM 。为切实了解哪个模型真正的作用，您需要知道它们在可用性程度上是如何排名的。本文中，我将尝试进行这个工作，从样本代码开始，来演示如何在每个模型中编码公共类型的操作。并对结果进行总结来结束本文，而且提出了促使一种表示比另一种更容易使用的一些其它因素。请参阅以前的文章（请参阅 参考资料或本文“内容”下的便捷链接）来获取这个对比中使用的各个模型的背景资料，包含实际的版本号。还可以参阅“参考资料”一节中关于源代码下载、到模型主页的链接以及其它相关信息。 代码对比在对不同文档表示中用法技术的这些对比中，我将显示如何在每种模型中实现三种基本操作： 根据输入流构建文档 遍历元素和内容，并做一些更改： o 从文本内容中除去前导和尾随的空白。 o 如果结果文本内容为空，就删除它。 o 否则，将它包装到父元素的名称空间中一个名为“text”的新元素中。 将已修改的文档写入输出流 这些示例的代码是以我在上篇文章中使用的基准程序为基础的，并进行了一些简化。基准程序的焦点是为了显示每个模型的最佳性能；对于本文，我将尝试显示在每种模型中实现操作的最简便方法。我已经将每个模型的示例结构化为两个独立的代码段。第一段是读取文档、调用修改代码和编写已修改文档的代码。第二段是真正遍历文档表示和执行修改的递归方法。为避免分散注意力，我已在代码中忽略了异常处理。您可以从本页底部 参考资料一节链接到下载页，以获取所有样本的完整代码。样本的下载版本包括一个测试驱动程序，还有一些添加的代码用于通过计算元素、删除和添加的个数来检查不同模型的操作。 即使您不想使用 DOM 实现，但还是值得浏览下面对 DOM 用法的描述。因为 DOM 示例是第一个示例，所以与后面的模型相比，我用它来探究有关该示例的一些问题和结构的更详细信息。浏览这些内容可以补充您想知道的一些细节，如果直接阅读其它模型之一，那么将错过这些细节。回页首DOMDOM 规范涵盖了文档表示的所有类型的操作，但是它没有涉及例如对文档的语法分析和生成文本输出这样的问题。包括在性能测试中的两种 DOM 实现，Xerces 和 Crimson，对这些操作使用不同的技术。清单 1 显示了 Xerces 的顶级代码的一种形式。清单 1. Xerces DOM 顶级代码 1 / parse the document from input stream (in) 2 DOMParser parser = new DOMParser(); 3 parser.setFeature(/sax/features/namespaces, true); 4 parser.parse(new InputSource(in); 5 Document doc = parser.getDocument(); 6 / recursively walk and modify document 7 modifyElement(doc.getDocumentElement(); 8 / write the document to output stream (out) 9 OutputFormat format = new OutputFormat(doc);10 XMLSerializer serializer = new XMLSerializer(out, format);11 serializer.serialize(doc.getDocumentElement();正如我在注释中指出的，清单 1 中的第一块代码（第 1-5 行）处理对输入流的语法分析，以构建文档表示。Xerces 定义了 DOMParser 类，以便从 Xerces 语法分析器的输出构建文档。 InputSource 类是 SAX 规范的一部分，它能适应供 SAX 分析器使用的几种输入形式的任何之一。通过单一调用进行实际的语法分析和文档构造，如果成功完成了这一操作，那么应用程序就可以检索并使用已构造的 Document 。 第二个代码块（第 6-7 行）只是将文档的根元素传递给我马上要谈到的递归修改方法。这些代码与本文中所有文档模型的代码在本质上是相同的，所以在剩余的示例中我将跳过它，不再做任何讨论。第三个代码块（第 8-11 行）处理将文档作为文本写入输出流。这里， OutputFormat 类包装文档，并为格式化生成的文本提供了多种选项。 XMLSerializer 类处理输出文本的实际生成。 Xerces 的 modify 方法只使用标准 DOM 接口，所以它还与任何其它 DOM 实现兼容。清单 2 显示了代码。清单 2. DOM Modify 方法 1 protected void modifyElement(Element element) 2 / loop through child nodes 3 Node child; 4 Node next = (Node)element.getFirstChild(); 5 while (child = next) != null) 6 / set next before we change anything 7 next = child.getNextSibling(); 8 / handle child by node type 9 if (child.getNodeType() = Node.TEXT_NODE) 10 / trim whitespace from content text11 String trimmed = child.getNodeValue().trim();12 if (trimmed.length() = 0) 13 / delete child if nothing but whitespace14 element.removeChild(child);15 else 16 / create a text element matching parent namespace17 Document doc = element.getOwnerDocument();18 String prefix = element.getPrefix();19 String name = (prefix = null) ? text : (prefix + :text);20 Element text = 21 doc.createElementNS(element.getNamespaceURI(), name);22 / wrap the trimmed content with new element23 text.appendChild(doc.createTextNode(trimmed);24 element.replaceChild(text, child);25 26 else if (child.getNodeType() = Node.ELEMENT_NODE) 27 / handle child elements with recursive call28 modifyElement(Element)child);29 30 31 清单 2 中显示的方法所使用的基本方法与所有文档表示的方法相同。 通过一个元素调用它，它就依次遍历那个元素的子元素。如果找到文本内容子元素，要么删除文本（如果它只是由空格组成的），要么通过与包含元素相同的名称空间中名为“text”的新元素来包装文本（如果有非空格的字符）。如果找到一个子元素，那么这个方法就使用这个子元素，递归地调用它本身。对于 DOM 实现，我使用一对引用： child 和 next 来跟踪子元素排序列表中我所处的位置。在对当前子节点进行任何其它处理之前，先装入下个子节点的引用（第 7 行）。这样做使得我能够删除或替代当前的子节点，而不丢失我在列表中的踪迹。 当我创建一个新元素来包装非空白的文本内容（第 16-24 行）时，DOM 接口开始有点杂乱。用来创建元素的方法与文档关联并成为一个整体，所以我需要在所有者文档中检索当前我正在处理的元素（第 17 行）。我想将这个新元素放置在与现有的父元素相同的名称空间中，并且在 DOM 中，这意味着我需要构造元素的限定名称。根据是否有名称空间的前缀，这个操作会有所不同（第 18-19 行）。利用新元素的限定名称，以及现有元素中的名称空间 URI，我就能创建新元素（第 20-21 行）。一旦创建了新元素，我只要创建和添加文本节点来包装内容 String ，然后用新创建的元素来替代原始文本节点（第 22-24 行）。 清单 3. Crimson DOM 顶级代码 1 / parse the document from input stream 2 System.setProperty(javax.xml.parsers.DocumentBuilderFactory, 3 org.apache.crimson.jaxp.DocumentBuilderFactoryImpl); 4 DocumentBuilderFactory dbf = DocumentBuilderFactoryImpl.newInstance(); 5 dbf.setNamespaceAware(true); 6 DocumentBuilder builder = dbf.newDocumentBuilder(); 7 Document doc = builder.parse(in); 8 / recursively walk and modify document 9 modifyElement(doc.getDocumentElement();10 / write the document to output stream11 (XmlDocument)doc).write(out);清单 3 中的 Crimson DOM 示例代码使用了用于语法分析的 JAXP 接口。JAXP 为语法分析和转换 XML 文档提供了一个标准化的接口。本示例中的语法分析代码还可以用于 Xerces（对文档构建器类名称的特性设置有适当的更改）来替代较早给定的 Xerces 特定的示例代码。在本示例中，我首先在第 2 行到第 3 行中设置系统特性来选择要构造的 DOM 表示的构建器工厂类（JAXP 仅直接支持构建 DOM 表示，不支持构建本文中讨论的任何其它表示）。仅当想选择一个要由 JAXP 使用的特定 DOM 时，才需要这一步；否则，它使用缺省实现。出于完整性起见，我在代码中包含了设置这个特性，但是更普遍的是将它设置成一个 JVM 命令行参数。接着我在第 4 行到第 6 行中创建构建器工厂的实例，对使用那个工厂实例构造的构建器启用名称空间支持，并从构建器工厂创建文档构建器。最后（第 7 行），我使用文档构建器来对输入流进行语法分析并构造文档表示。为了写出文档，我使用 Crimson 中内部定义的基本方法。不保证在 Crimson 未来版本中支持这个方法，但是使用 JAXP 转换代码来将文档作为文本输出的替代方法需要诸如 Xalan 那样的 XSL 处理器的。那超出了本文的范围，但是要获取详细信息，可以查阅 Sun 中的 JAXP 教程。回页首JDOM使用 JDOM 的顶级代码比使用 DOM 实现的代码稍微简单一点。为构建文档表示（第 1-3 行），我使用带有由参数值禁止验证的 SAXBuilder 。通过使用提供的 XMLOutputter 类，将已修改的文档写入输出流同样简单（第 6-8 行）。 清单 4. JDOM 顶级代码 1 / parse the document from input stream 2 SAXBuilder builder = new SAXBuilder(false); 3 Document doc = builder.build(in); 4 / recursively walk and modify document 5 modifyElement(doc.getRootElement(); 6 / write the document to output stream 7 XMLOutputter outer = new XMLOutputter(); 8 outer.output(doc, out);清单 5 中 JDOM 的 modify 方法也比 DOM 的同一方法简单。我获取包含元素所有内容的列表并扫描了这张列表，检查文本（象 String 对象那样的内容）和元素。这张列表是“活的”，所以我能直接对它进行更改，而不必调用父元素上的方法。 清单 5. JDOM modify 方法 1 protected void modifyElement(Element element) 2 / loop through child nodes 3 List children = element.getContent(); 4 for (int i = 0; i children.size(); i+) 5 / handle child by node type 6 Object child = children.get(i); 7 if (child instanceof String) 8 / trim whitespace from content text 9 String trimmed = child.toString().trim();10 if (trimmed.length() = 0) 11 / delete child if only whitespace (adjusting index)12 children.remove(i-);13 else 14 / wrap the trimmed content with new element15 Element text = new Element(text, element.getNamespace();16 text.setText(trimmed);17 children.set(i, text);18 19 else if (child instanceof Element) 20 / handle child elements with recursive call21 modifyElement(Element)child);22 23 24 创建新元素的技术（第 14-17 行）非常简单，而且与 DOM 版本不同，它不需要访问父文档。回页首dom4jdom4j 的顶级代码比 JDOM 的稍微复杂些，但是它们的代码行非常类似。这里的主要区别是我保存了用来构建 dom4j 文档表示的 DocumentFactory （第 5 行），并在输出已修改的文档文本之后刷新了 writer（第 10 行）。 清单 6. dom4j 的顶级代码 1 / parse the document from input stream 2 SAXReader reader = new SAXReader(false); 3 Document doc = reader.read(in); 4 / recursively walk and modify document 5 m_factory = reader.getDocumentFactory(); 6 modifyElement(doc.getRootElement(); 7 / write the document to output stream 8 XMLWriter writer = new XMLWriter(out); 9 writer.write(doc);10 writer.flush();正如您在清单 6 中看到的，dom4j 使用一个工厂方法来构造文档表示（从语法分析构建）中包含的对象。根据接口来定义每个组件对象，所以实现其中一个接口的任何类型的对象都能包含在表示中（与 JDOM 相反，它使用具体类：这些类在某些情况中可以划分子类和被继承，但是在文档表示中使用的任何类都需要以原始 JDOM 类为基础）。通过使用不同工厂进行 dom4j 文档构建，您能获取不同系列的组件中构造的文档。在样本代码（第 5 行）中，我检索了用于构建文档的（缺省）文档工厂，并将它存储在一个实例变量（ m_factory ）中以供 modify 方法使用。并不严格需要这一步 可以在一个文档中同时使用来自不同工厂的组件，或者可以绕过工厂而直接创建组件的实例 但在该例中，我只