ITjob就业培训java教材22.doc

第二十二章：使用Java解析XML ITjob就业培训第二十二章：使用Java解析XML学习目标n 解析器的介绍n 文档对象模型（DOM）解析实例n SAX解析实例n DOM4J解析实例n JDOM解析实例 n JAVA操纵XML 实例讲解解析器的介绍XML解析器是读取XML文档并分析其结构的代码。这一部分将介绍XML解析器是如何工作的。将讨论不同类型的XML解析器及何时使用它。一般而言使用解析器需要以下步骤：n 创建一个解析器对象n 使解析器指向您的XML文档n 处理结果显然第三步最为复杂。一旦知道了XML文档的内容，比方说，您可能希望生成一个Web页面，创建一个订单或者做一个饼图。这里讨论的常见XML解析工具使这项工作大大简化。解析器有不同的分类方法：n 验证和非验证解析器n 支持一种或多种XML Schema语言的解析器n 支持Document Object Model (DOM)的解析器n 支持Simple API for XML (SAX)的解析器我们已知有三种不同类型的XML文档：n 结构良好的文档：这类文档符合XML基本规则（属性必须放在引号中，标签必须正确嵌套等）。n 有效文档：这些结构良好的文档同时还符合文档类型定义（DTD）或XML Schema所定义的规则。n 无效文档：除以上两种文档外的所有其他文档。如果您有一个XML文档符合XML的基本规则，那么它就是一个结构良好的文档。如果该文档还满足您的公司所定义的支出帐目文档规则，那么它也是有效的。如果XML解析器发现XML文档不是结构良好的，XML Specification要求解析器报告一个致命错误。验证解析器：在解析时验证XML文档，而非验证解析器：不验证文档。换句话说，如果一个XML文档是结构良好的，那么非验证解析器并不关心文档是否符合DTD或模式中定义的规则，甚至不关心该文档是否符合DTD或模式中定义的规则，甚至不关心该文档是否有这样的规则。（多数验证解析器都默认关闭验证功能。）那么为什么要使用非验证解析器呢？有两个很好的理由：速度和效率。XML解析器读取DTD或者模式，建立规则引擎保证XML文档中的每个元素和属性都遵循这些规则，需要做大量的工作。如果您确信一个XML文档是有效的，那么就可以完全跳过验证。根据文档规则复杂程度的不同，这样可以节约相当可观的时间和内存。如果您的代码不够健壮，它从XML文档中得到输入数据，并且该代码要求文档遵循特定的DTD或者模式，那么您可能就不得不验证所有的内容，不论代价多么高，多么浪费时间。DOM是W3C推荐的正式标准。它定义了一个接口，程序能够访问和更新XML文档的结构。如果一个XML解析器声称支持DOM，就意味着它实现了该标准中定义的接口。目前，有三个级别的DOM是正式的推荐标准，被命名为DOM Level 1,DOM Level 2 和DOM Level 3。本章中所讨论的DOM功能都是DOM Level 2的一部分。DOM解析器：当你使用DOM解析器解析一个XML文档时，您得到一棵结构树，它表示XML文档的内容。所有的文本，元素和属性，都在这个树结构中 解析的过程：解析后的XML文档。goudan28 studentagenamegoudan28DOM还提供各种不同的功能，可用于分析和操作树的内容和结构。DOM是处理XML数据的传统方法。使用DOM时，数据以树状结构的形式被加载到内存中，所以，DOM解析是一个比较耗费内存的操作。如上图所示，矩形框表示元素节点，椭圆表示文本节点。DOM使用父子关系。例如，在这个例子中，student是具有五个孩子的根元素：三个文本节点（空白），以及两个元素节点name和age。要认识到的一件重要事情是，name 和 age节点实际上具有null值。相反，它们具有文本节点（goudan 和 28）作为孩子。DOM以及广义的基于树的处理具有几个优点首先，由于树在内存中是持久的，因此可以修改它以便应用程序能对数据和结构作出更改。它还可以在任何时候在树中上下导航，而不是像SAX那样是一次性的处理。DOM使用起来也要简单得多。另一方面，在内存中构造这样的树涉及大量的开销。大型文件完全占用系统内存容量的情况并不鲜见。此外，创建一棵DOM树可能是一个缓慢的过程。为了满足该缺点，我们使用SAX（Simple API for XML）API处理XML文档内容。它的设计目标是占用更少的内存，把更多的工作交给程序员。SAX和DOM是互补的，有各自的适用环境。请看下图解析过程：当使用SAX解析器解析一个XML文档时，解析器在读取文档的过程中会生成一系列的事件。至于如何处理这些事件则取决于您的需求。下面列出了一小部分您在XML文档时可能遇到的事件：n startDocument事件n 对于每个元素，在元素开始时有startElement事件，元素结束时有endElement事件n 如果元素包含内容，对于文本将出现characters事件，对于子元素将出现startElement和endElement事件，依此类推n endDocument事件如下代码及过程：goudan28分析这个代码片段的SAX处理器，一般情况下将产生以下事件：startDocumentstartElement (person)characters (white space)startElement (name)characters (goudan)endElement (name)characters (white space)startElement (age)characters (28)endElement (age)characters (white space)endElement (person)endDocument这种处理的优点非常类似于流媒体的优点。分析能够立即开始，而不是等待所有的数据被处理。而且，由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。事实上，应用程序甚至不必解析整个文档；它可以在某个条件得到满足时停止解析。一般来说，SAX还比它的替代者DOM快许多。另一方面，由于应用程序没有以任何方式存储数据，使用SAX来更改数据或在数据流中往后移是不可能的。尽管SAX和DOM提供了许多有用的功能，对于程序员而言有些任务还是太复杂了。延续开源社群有需要就创建工具的历史传统，Java技术专家Jason Hunter 和Brett McLaughlin缔造了JDOM，这个Java库极大简化了XML文档的处理。和DOM类似，JDOM也提供一个对象树表示XML文档，但是这些对象工作的方式对Java程序员更直观。要记住，JDOM在背后包含使用普通SAX或DOM 解析器的适配器； JDOM对所有主要的（和几个次要的）Java XML解析器都提供了适配器，因此不必担心您的Java XML解析器是否支持JDOM，JDOM在幕后使用的解析器不需要您的干涉。一般来说以下情况应使用DOM解析器：n 需要详细了解文档的结构n 需要改变文档的结构（也许您需要对元素排序，增加新的元素等等）n 需要多次引用解析的信息进一步推广，在以下情况中应使用SAX解析器：n 内存少n 只需要XML文档中少量元素或属性n 解析的信息只使用一次JDOM的内存使用比DOM少，但是不如SAX好。此外，如果您希望进行验证，JDOM要求您设置底层的解析器，JDOM本身不进行验证。就是说，如果JDOM能够完成您所需要的所有功能，而且速度满足您的需要，它可以简化您的编码工作。文档对象模型（DOM）解析实例DOM主要包含下列内容：DOM文档是以层次结构组织的节点或信息片段的集合。这个层次结构允许开发人员从树中导航寻找特定信息。分析该结构通常需要加载整个文档和构造层次结构，然后才能做任何工作。由于它是基于信息层次的，因而DOM被认为是基于树或基于对象的。DOM解析过程（下图）：利用JAXP把xml文档的内容解析到一个个的Java对象中，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。这个工厂模式的具体实现，可以参看下面的类图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(d:/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。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，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。 DOM对象DOM的基本对象有5个：Document，Node，NodeList，Element和Attr。下图表示了基本对象间的关系Document对象代表了整个XML的文档，所有其它的Node，都以一定的顺序包含在Document对象之内，排列成一个树形的结构，程序员可以通过遍历这颗树来得到XML文档的所有的内容，这也是对XML文档操作的起点。我们总是先通过解析XML源文件而得到一个Document对象，然后再来执行后续的操作。此外，Document还包含了创建其它节点的方法，比如createAttribute()用来创建一个Attr对象。它所包含的主要的方法有： createAttribute(String)：用给定的属性名创建一个Attr对象，并可在其后使用setAttributeNode方法来放置在某一个Element对象上面。createElement(String)：用给定的标签名创建一个Element对象，代表XML文档中的一个标签，然后就可以在这个Element对象上添加属性或进行其它的操作。createTextNode(String)：用给定的字符串创建一个Text对象，Text对象代表了标签或者属性中所包含的纯文本字符串。如果在一个标签内没有其它的标签，那么标签内的文本所代表的Text对象是这个Element对象的唯一子对象。getElementsByTagName(String)：返回一个NodeList对象，它包含了所有给定标签名字的标签。getDocumentElement()：返回一个代表这个DOM树的根节点的Element对象，也就是代表XML文档根元素的那个对象。 Node对象是DOM结构中最为基本的对象，代表了文档树中的一个抽象的节点。在实际使用的时候，很少会真正的用到Node这个对象，而是用到诸如Element、Attr、Text等Node对象的子对象来操作文档。Node对象为这些对象提供了一个抽象的、公共的根。虽然在Node对象中定义了对其子节点进行存取的方法，但是有一些Node子对象，比如Text对象，它并不存在子节点。Node对象所包含的主要的方法有： appendChild(org.w3c.dom.Node)：为这个节点添加一个子节点，并放在所有子节点的最后，如果这个子节点已经存在，则先把它删掉再添加进去。 getFirstChild()：如果节点存在子节点，则返回第一个子节点，对等的，还有getLastChild()方法返回最后一个子节点。 getNextSibling()：返回在DOM树中这个节点的下一个兄弟节点，对等的，还有getPreviousSibling()方法返回其前一个兄弟节点。getNodeName()：根据节点的类型返回节点的名称。 getNodeType()：返回节点的类型。 getNodeValue()：返回节点的值。hasChildNodes()：判断是不是存在有子节点。hasAttributes()：判断这个节点是否存在有属性。getOwnerDocument()：返回节点所处的Document对象。insertBefore(org.w3c.dom.Node new，org.w3c.dom.Node ref)：在给定的一个子对象前再插入一个子对象。removeChild(org.w3c.dom.Node)：删除给定的子节点对象。 replaceChild(org.w3c.dom.Node new，org.w3c.dom.Nodeold)：用一个新的Node对象代替给定的子节点对象。NodeList对象，代表了一个包含一个或者多个Node的列表。可以简单的把它看成一个Node的数组，我们可以通过方法来获得列表中的元素： getLength()：返回列表的长度。 item(int)：返回指定位置的Node对象。Element对象代表的是XML文档中的标签元素，继承于Node，亦是Node的最主要的子对象。在标签中可以包含有属性，因而Element对象中有存取其属性的方法，而任何Node中定义的方法，也可以用在Element对象上面。getElementsByTagName(String)：返回一个NodeList对象，它包含了在这个标签中其下的子孙节点中具有给定标签名字的标签。 getTagName()：返回一个代表这个标签名字的字符串。getAttribute(String)：返回标签中给定属性名称的属性的值。在这儿需要主要的是，应为XML文档中允许有实体属性出现，而这个方法对这些实体属性并不适用。这时候需要用到getAttributeNodes()方法来得到一个Attr对象来进行进一步的操作。getAttributeNode(String)：返回一个代表给定属性名称的Attr对象。Attr对象代表了某个标签中的属性。Attr继承于Node，但是因为Attr实际上是包含在Element中的，它并不能被看作是Element的子对象，因而在DOM中Attr并不是DOM树的一部分，所以Node中的getparentNode()，getpreviousSibling()和getnextSibling()返回的都将是null。也就是说，Attr其实是被看作包含它的Element对象的一部分，它并不作为DOM树中单独的一个节点出现。这一点在使用的时候要同其它的Node子对象相区别。请看下面例子：（message.xml）sohuzhangzhaoyang212004zhangzhaoyangs websiteJavaSun Microsystems312001Sun Microsystems website.microsoftbill gates412000bills websiteDOM解析的例子：下面代码使用DOM解析XML文件package com.app;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 DOMXMLReader public static void main(String args) try DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();DocumentBuilder builder = factory.newDocumentBuilder();Document doc = builder.parse(url.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();下面代码修改XML文件：package com.app;import javax.xml.parsers.DocumentBuilder;import javax.xml.parsers.DocumentBuilderFactory;import javax.xml.transform.Transformer;import javax.xml.transform.TransformerFactory;import javax.xml.transform.dom.DOMSource;import javax.xml.transform.stream.StreamResult;import org.w3c.dom.Document;import org.w3c.dom.Element;import org.w3c.dom.Text;public class DOMXMLWriter public static void main(String args) try DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();DocumentBuilder builder = factory.newDocumentBuilder();Document doc = builder.parse(url.xml);doc.normalize();/ -取得变量-String text = itjob;String url = ;String author = xsw;String discription = a good website for it job!;/ -Text textseg;Element link = doc.createElement(link);Element linktext = doc.createElement(text);textseg = doc.createTextNode(text);linktext.appendChild(textseg);link.appendChild(linktext);Element linkurl = doc.createElement(url);textseg = doc.createTextNode(url);linkurl.appendChild(textseg);link.appendChild(linkurl);Element linkauthor = doc.createElement(author);textseg = doc.createTextNode(author);linkauthor.appendChild(textseg);link.appendChild(linkauthor);java.util.Calendar rightNow = java.util.Calendar.getInstance();String day = Integer.toString(rightNow.get(java.util.Calendar.DAY_OF_MONTH);String month = Integer.toString(rightNow.get(java.util.Calendar.MONTH);String year = Integer.toString(rightNow.get(java.util.Calendar.YEAR);Element linkdate = doc.createElement(date);Element linkdateday = doc.createElement(day);textseg = doc.createTextNode(day);linkdateday.appendChild(textseg);Element linkdatemonth = doc.createElement(month);textseg = doc.createTextNode(month);linkdatemonth.appendChild(textseg);Element linkdateyear = doc.createElement(year);textseg = doc.createTextNode(year);linkdateyear.appendChild(textseg);linkdate.appendChild(linkdateday);linkdate.appendChild(linkdatemonth);linkdate.appendChild(linkdateyear);link.appendChild(linkdate);Element linkdiscription = doc.createElement(description);textseg = doc.createTextNode(discription);linkdiscription.appendChild(textseg);link.appendChild(linkdiscription);doc.getDocumentElement().appendChild(link);TransformerFactory tFactory = TransformerFactory.newInstance();Transformer transformer = tFactory.newTransformer();DOMSource source = new DOMSource(doc);StreamResult result = new StreamResult(new java.io.File(url.xml);transformer.transform(source, result);System.out.println(write complete!); catch (Exception e) e.printStackTrace();SAX解析实例/以下代码统计url.xml文件中每个标签出现的次数package com.app;import java.io.File;import java.util.Enumeration;import java.util.Hashtable;import javax.xml.parsers.SAXParser;import javax.xml.parsers.SAXParserFactory;import org.xml.sax.Attributes;import org.xml.sax.SAXException;import org.xml.sax.helpers.DefaultHandler;public class TagCounter extends DefaultHandler / Hashtable用来记录tag出现的次数private Hashtable tags;public void startDocument() throws SAXException tags = new Hashtable();/ 解析完成后的工作public void endDocument() throws SAXException Enumeration e = tags.keys();while (e.hasMoreElements() String tag = (String) e.nextElement();int count = (Integer) tags.get(tag).intValue();System.out.println(Tag occurs + count + times);/ 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 = rawName;Object value = tags.get(key);if (value = null) / 如果是新标签，把它添加在Hastable中tags.put(key, new Integer(1); else / 如果以前碰到过，得到其计数值，并加1int count = (Integer) value).intValue();count+;tags.put(key, new Integer(count);static public void main(String args) String filename = null;filename = url.xml;SAXParserFactory spf = SAXParserFactory.newInstance();SAXParser saxParser = null;try / 创建解析器SAXParser对象saxParser = spf.newSAXParser();saxParser.parse(new File(filename), new TagCounter(); catch (Exception ex) ex.printStackTrace();/以下程序解析url.xmlpackage com.app;import java.io.File;import java.io.IOException;import java.util.Stack;import javax.xml.parsers.SAXParser;import javax.xml.parsers.SAXParserFactory;import org.xml.sax.Attributes;import org.xml.sax.SAXException;import org.xml.sax.helpers.DefaultHandler;public class SAXXMLReader extends DefaultHandler Stack tags = new Stack();/ 用于保存解析出来的信息String text = null;String url = null;String author = null;String description = null;String day = null;String year = null;String month = null;public void endDocument() throws SAXException System.out.println(-解析结束-);public void startDocument() throws SAXException System.out.println(-解析开始-);public void startElement(String p0, String p1, String p2, Attributes p3)throws SAXException tags.push(p2);public void endElement(String p0, String p1, String p2) throws SAXException tags.pop();if (p2.equals(link)parser();public void characters(char p0, int p1, int p2) throws SAXException / 察看栈顶元素，根据元素名称给对应的变量赋值String tag = (String) tags.peek();if (tag.equals(text)text = new String(p0, p1, p2);else if (tag.equals(url)url = new String(p0, p1, p2);else if (tag.equals(author)author = new String(p0, p1, p2);else if (tag.equals(day)day = new String(p0, p1, p2);else if (tag.equals(month)month = new String(p0, p1, p2);else if (tag.equals(year)year = new String(p0, p1, p2);else if (tag.equals(description)description = new String(p0, p1, p2);private void parser() System.out.print(Content: );System.out.println(text);System.out.print(URL: );System.out.println(url);System.out.print(Author: );System.out.println(author);System.out.print(Date: );System.out.println(day + - + month + - + year);System.out.print(Description: );System.out.println(description);System.out.println();static public void main(String args) String filename = url.xml;SAXParserFactory spf = SAXParserFactory.newInstance();SAXParser saxParser = null;try saxParser = spf.newSAXParser();saxParser.parse(new File(filename), new SAXXMLReader(); catch (Exception ex) ex.printStackTrace();DOM4J解析实例D:wuhantest.xmlA1234A1234aaaaaaaaaa深圳罗湖 B1234