第8章《使用 JAVA 语言对 XML 数据进行解析》

1、8.使用Java语言对XML数据进行解析,Java语言和XML数据格式都被认为是过去数十年中最为重要的IT技术之一。Java为编程提供了一种与平台无关的语言，从而导致了程序开发领域的一场革命。XML为数据交换提供了一种与平台无关的表现形式，从而使得这场革命更加激烈、更加彻底。Java和XML之间存在有许多相似的特性，比如平台无关性、可扩展性、可重用性和国际化支持。XML和Java常常被认为是完美的组合，使用XML的半结构化模型描述各种各样的业务数据、表达复杂的业务信息，后台则使用Java语言来实现独立于平台的、易于处理的面向对象的应用软件解决方案。,用于XML数据处理的JavaAPI,IBM、

2、Apache以及其他许多公司，开发了很多用于XML数据处理的JavaAPI。从JDK1.4开始，Sun公司将一些非常重要的代码库集成到了Java2平台之中，并不断升级更新，直到JDK1.6。在尚未发布的Java7中，Sun公司努力实现对XML的语言级支持。对于其它的语言也同样如此（比如C+、Perl、.NET），作为一名程序开发人员，需要在首先了解XML相关技术的基础上，熟练掌握有关XML数据处理的程序开发技巧，才能顺利完成开发任务。,JDK1.6中面向XML的JAVAAPI,用于XML数据处理的JAVAAPI（JavaAPIforXMLProcessing，JAXP）。JAXP对应于JDK中

3、的javax.xml包及其部分子包、org.w3c.dom包及其子包、org.xml.sax包及其子包；用于XML数据绑定的JavaAPI（JavaAPIforXMLBinding，JAXB），对应于JDK中的javax.xml.bind包及其子包；用于基于XML的RPC的JavaAPI（JavaAPIforXML-basedRPC，JAX-RPC），对应于JDK中的javax.jws包及其子包；用于带附件的SOAP消息的JAVAAPI（SOAPwithAttachmentsAPIforJava，SAAJ），对应于JDK中的javax.xml.soap包及其子包；用于基于XML的Web服务的J

4、avaAPI（JavaAPIforXML-basedWebservices，JAX-WS），对应于JDK中的javax.xml.ws包及其子包；用于XML加密签名的JavaAPI，对应于JDK中的javax.xml.crypto包及其子包；,8.1XML数据解析的概念及JAXP简介,XML解析器实际上就是能够识别XML基本语法形式的特殊应用程序，并将纯文本的XML文档转换成其他某种内存中表现形式（比如XML文档树、或者一系列的解析事件），以便客户端应用程序能够方便地对XML文档中的数据进行访问、提取、检索。Xerces来自IBM在1999年捐赠给Apache的XML4J项目，随后成为了Apac

5、heXMLProject的子项目。但由于XML技术的迅速发展，在2004年，Xerces解析器成为了ApacheSoftwareFoundation的顶级项目（独立项目）。,DOM和SAX解析模型简介,DOM（DocumentObjectModel）是W3C的规范（/DOM/），是一种与浏览器、平台、语言无关的接口，可用于表示各种半结构化的、层次模型的数据（比如HTML、XML等）。SAX（SimpleAPIforXML）是顺序读取XML的解析器API，是一个为基于事件XML解析器定义的、免费的、并且与平台、语言无关的API。由XML-Dev邮件列表组织（由许多

6、XML方面的专家和开发人员组成）开发而来，并且已经成为了一种XML数据处理的事实上的标准。,DOM解析模型,DOM是以层次结构组织的节点或信息片断的集合，是XML数据的一种树型表示，通过树中的各种节点、以及节点之间的父子关系来表示XML文档中的元素、属性、文本内容，以及元素之间的嵌套关系。这个层次结构允许开发人员在树中寻找特定信息，并对其中的数据进行修改和创建。,SAX解析模型,SAX解析器采用了基于事件的模型，它在解析XML文档的时候可以触发一系列的事件（如图8-2中所示），当发生相应事件时，将调用一个回调方法，回调方法的编写是数据解析的关键。,JAXP简介,JAXP是JavaAPIforX

7、MLProcessing的首字母缩写（读作jaks-p），是SUNJavaJDK中的XML编程API，它为解析、处理、验证XML文档数据的基本功能提供了相应的编程接口。作为处理XML数据的Java抽象层，JAXP规范本身也在不断地发展，目前JDK1.6中的JAXP的版本为JAXP1.4。,JAXP的本质,XML解析器种类繁多，开发人员希望不修改源代码就能够更换底层所使用的XML解析器呢，这就必须“对抽象进行编程”，以实现底层解析器的可插入性。,8.2在JAXP中使用DOM解析器处理XML文档,DocumentBuilderFactorydbf=DocumentBuilderFactory.ne

8、wInstance();tryDocumentBuilderbuilder=dbf.newDocumentBuilder();DocumentdomDoc=builder.parse(fileName);catch(ParserConfigurationExceptione)e.printStackTrace();,8.2.1使用JAXP,在JAXP中，newInstance在确定具体解析器工厂实现类时，将按照下面的顺序进行搜索：使用javax.xml.parsers.DocumentBuilderFactory系统属性。使用JRE文件夹中的属性文件lib/perties。此配

9、置文件格式为标准的java.util.Properties且包含实现类的完全限定名，其中实现类的键是上述定义的系统属性。JAXP实现只读取一次perties文件，然后缓存其值供以后使用。如果首次尝试读取文件时，文件不存在，则不会再次尝试检查该文件是否存在。首次读取perties后，其中的属性值不能再更改。使用ServicesAPI（在JAR规范中进行了详细描述）来确定类名称。ServicesAPI将查找在运行时可用的jar中META-INF/services/javax.xml.parsers.DocumentBuilderFactory文件中的类名。平台默认的

10、DocumentBuilderFactory实例。,8.2.2DOM解析器编程接口,org.w3c.xml.Node接口,Node接口是整个文档对象模型的主要数据类型。它表示该文档树中的单个节点。Node接口中包含如下主要内容：表示节点类型的常量、及获得节点类型信息的方法；获得节点基本信息（名称、值）的方法；获得节点层次信息的方法；,shortnodeType=node.getNodeType();switch(nodeType)caseNode.DOCUMENT_NODE:.break;caseNode.ELEMENT_NODE:.break;caseNode.ATTRIBUTE_NODE:

11、.break;caseNode.TEXT_NODE:.break;.,获得节点的名称getNodeName()、节点的值getNodeValue(),NodeListxNodeList=xNode.getChildNodes();for(inti=0;ixNodeList.getLength();)childNode=xNodeList.item(i);.,for(inti=0;iattrs.getLength();i+)AttrattrNode=attrs.item(i);/item()方法表示可以按某种顺序访问属性集合，而属性本身是没有顺序的。.,org.w3c.xml.Document接

12、口,Document接口表示整个HTML或XML文档。从概念上讲，它是文档树的根，并提供对文档数据的基本访问。请注意，文档的根元素节点并不是文档节点，文档节点在根元素节点之上，是一个无形的节点。Document接口还包含所需的、创建这些对象的工厂方法。文档节点Document接口中提供了一系列的create方法（所有的创建工作都必须使用文档节点），比如：createElement(StringtagName)创建指定类型的元素节点。createAttribute(Stringname)创建给定名称的Attr节点。createTextNode(Stringdata)创建指定字符串的Text节点。

13、,DocumentBuilderFactorydbf=DocumentBuilderFactory.newInstance();DocumentBuilderbuilder=dbf.newDocumentBuilder();Documentdoc=builder.newDocument();NodexNode1=doc.createElement(family);doc.appendChild(xNode1);NodexNode2=doc.createElement(parent);xNode1.appendChild(xNode2);NodexNode3=doc.createElement(

14、child);xNode1.appendChild(xNode3);.,org.w3c.xml.Element接口,Element接口表示XML文档中的一个元素。可使用getAttributes()来获得元素所有属性的集合attributes（Node接口的方法）；可使用Node接口提供的getChildNodes()方法获得子元素列表。定义了getElementsByTagName(Stringname)，它将以文档顺序返回具有给定标记名称的所有后代元素的NodeList。,org.w3c.xml.Attr接口,Attr接口表示Element对象中的属性。通常该属性所允许的值定义在与文档相关

15、的模式中。Attr对象继承Node接口，但由于它们实际上并不是相关元素的子节点，DOM不会将它们看作文档树的一部分。Node的属性parentNode、previousSibling和nextSibling都将返回null。如果要获得属性所属的元素，不能使用Node接口中定义的getParentNode()方法，而应该使用Attr接口中定义的getOwnerElement()方法。,org.w3c.xml.CharacterData接口及其子接口,CharacterData接口用于表示XML文档中以文本内容为主的节点，其子接口包括：CDATASection、Comment、Text。Chara

16、cterData接口中提供了各种操作文本数据的方法：appendData(Stringarg)将字符串追加到节点的字符数据的结尾。deleteData(intoffset,intcount)从该节点移除某个范围的字符。getData()获取文本内容。setData(Stringdata)设置文本内容。,org.w3c.xml中的其他接口,DOM文档树中还包括一些其他类型的节点，比如ProcessingInstruction、Notation、Entity等等。此外，org.w3c.xml中还定义了一些在解析XML数据时使用到的其他接口，比如前面提到的NodeList节点列表接口、NamedNo

17、deMap命名节点映射接口等等。熟练地掌握针对上述接口的操作，是解析XML文档数据的关键。,8.2.3使用DOM模型解析XML文档的示例程序,DomEcho.java,8.3在JAXP中使用SAX解析器处理XML数据,从本质上看，SAX是一种事件驱动的XML数据处理模型。SAX是通过callback回调函数来处理XML元素的，这样，SAX处理XML时，是从头开始，对XML元素是一个一个地处理。所以可以有效地抑制内存的消耗，适合处理大内容的XML文档。SAX对内存的要求通常会比较低，因为它让开发人员自己来决定所要处理的标记。特别是当开发人员只需要处理文档中所包含的部分数据时，SAX这种扩展能力得

18、到了更好的体现。,8.3.1JAXP中SAX模型的使用,在JAXP1.4中使用SAX模型进行数据处理时，将使用到javax.xml.parsers包、org.xml.sax包及其子包（org.xml.sax.ext包和org.xml.sax.helpers包）。将简要介绍这些包中常用的一些基本类和接口、以及它们之间的关系（有关所有的类、接口、异常的内容，请参见JDK开发文档），然后说明使用SAX解析器的一般步骤。,SAX相关类库的介绍（1）,javax.xml.parsers包中有关SAX模型的Java类：SAXParserFactory（抽象类）SAXParser（抽象类）创建SAX解析器对

19、象之后，可以使用SAXParser类的parse()方法对XML文档进行解析。,SAXParserFactoryspf=SAXParserFactory.newInstance()缺省情况下，JAXP将使用JDK1.6中自带的Xerces提供的SAX解析器实现的工厂类：ernal.jaxp.SAXParserFactoryImpl,SAXParsersp=spf.newSAXParser();在缺省情况下，使用的SAX解析器实现为：ernal.jaxp.SAX

20、ParserImpl,SAX相关类库的介绍（2）,解析事件处理程序（接口）ContentHandlerDTDHandlerEntityResolverErrorHandlerXMLReader（接口）XML解析器SAX2驱动程序必须实现的接口,voidsetContentHandler(ContentHandlerhandler)/ContentHandlergetContentHandler()允许应用程序注册内容事件处理程序。voidsetDTDHandler(DTDHandlerhandler)/DTDHandlergetDTDHandler()允许应用程序注册DTD事件处理程序。voi

21、dsetEntityResolver(EntityResolverresolver)/EntityResolvergetEntityResolver()允许应用程序注册实体解析器。voidsetErrorHandler(ErrorHandlerhandler)/getErrorHandler(),SAX相关类库的介绍（3）,org.xml.sax.ext包中有关SAX模型的Java类：LexicalHandler（接口）：SAX2的可选扩展处理程序，以提供关于XML文档的词汇信息，例如，对注释和CDATA段的处理。通常不需要为XMLReader注册此处理程序，它不是核心SAX2的内容。,SAX

22、相关类库的介绍（4）,org.xml.sax.helpers包中有关SAX模型的Java类：JDK的org.xml.sax.helpers包中提供了一个DefaultHandler类，该类实现了ContentHandler、DTDHandler、EntityResolver、ErrorHandler四个接口，并为其中所有的方法提供了空的实现。这样一来，我们只需要继承这个类，并重写其中感兴趣的回调函数即可。实际上，这正是设计模式中常用的“缺省适配器模式”。,使用SAX解析器的几种方法（1）,直接用SAXParser解析器对象的parse(.)方法解析输入XML文档,SAXParserFactor

23、yspf=SAXParserFactory.newInstance()SAXParsersp=spf.newSAXParser();/MyDefaultHandler是用户编写的DefaultHandler的子类，重写了所需的回调函数sp.parse(newFile(bib.xml),newMyDefaultHandler();,使用SAX解析器的几种方法（2）,使用SAXParser解析器对象中包含的XMLReader对象来解析XML文档。,SAXParserFactoryspf=SAXParserFactory.newInstance()SAXParsersp=spf.newSAXPars

24、er();XMLReaderreader=sp.getXMLReader();/MyContentHandler是用户编写的ContentHandler的实现类，重写了所需的回调函数reader.setContentHandler(newMyContentHandler();/MyDTDHandler是用户编写的DTDHandler的实现类，重写了所需的回调函数reader.setDTDHandler(newMyDTDHandler()/MyEntityResolver是用户编写的EntityResolver的实现类，重写了所需的回调函数reader.setEntityResolver(new

25、MyEntityResolver()/MyErrorHandler是用户编写的ErrorHandler的实现类，重写了所需的回调函数reader.setErrorHandler(newMyErrorHandler()reader.parse(newInputSource(newFileInputStream(newFile(bib.xml);,额外功能的使用,在使用SAX解析器时，可以在程序中启用某些额外的功能，比如支持验证、支持命名空间等等。SAXParserFactory中为此提供了一些设置方法：,8.3.2SAX模型中回调函数的重写,使用SAX模型解析XML数据的关键在于编写适当的回调函

26、数，并在其中实现所需的数据处理逻辑。下面将详细地介绍每种回调函数的作用和使用，当然还需要确定一个假想的数据处理逻辑，这里假设在对某个XML文档进行处理时，仅仅只是将其中的内容复制一遍（这个处理逻辑非常简单，后面将其称为SAXEcho任务），那么应该如何编写相应的回调函数呢？,voidsetDocumentLocator(Locatorlocator),接收文档事件的Locator对象。默认情况下，不执行任何操作。如果应用程序编写者希望存储定位器以用于其他的文档事件，则可以在子类中重写此方法。该定位器仅在调用SAX事件回调期间，在startDocument返回之后，调用endDocument之前

27、，返回正确的信息。,用例：对于SAXEcho任务，如果需要在某个事件发生时，获得该事件对应于XML文档中的位置，则可以编写如下代码。privateLocatorlocator;voidsetDocumentLocator(Locatorlocator)this.locator=locator;,voidstartDocument(),接收文档开始的通知。默认情况下，不执行任何操作。应用程序编写者可以在子类中重写此方法，以便在文档的开始采取特定的措施（如分配树的根节点或创建输出文件）。通常，发生在其他任何事件回调（不包括setDocumentLocator）之前，SAX解析器仅调用此方法一次。,

28、用例：对于SAXEcho任务，在碰到startDocument事件时表示开始处理输入XML文档内容，这时只需要输出XML声明即可。voidstartDocument()System.out.print(n);,voidendDocument(),接收文档结束的通知。默认情况下，不执行任何操作。应用程序编写者可以在子类中重写此方法，以便在文档的结束处采取特定的操作（如，结束树或关闭输出文件）。SAX解析器仅调用此方法一次，并且它将是解析期间最后调用的方法。直到解析器放弃解析（由于不可恢复的错误）或到达输入的结尾时，它才可以调用此方法。,用例：对于SAXEcho任务，在碰到endDocument事

29、件时表示即将结束对输入XML文档内容的处理，不需要进行任何操作。voidendDocument()/Donotneedtodoanything.,用例：对于SAXEcho任务，在碰到startElement事件时表示处理到某个XML元素的开始标记，这时需要手动输出该元素开始标记的所有内容（包括属性、命名空间声明）。voidstartElement(StringnamespaceURI,StringlocalName,StringqName,Attributesattrs)System.out.print();,voidstartElement(Stringuri,StringlocalName

30、,StringqName,Attributesattributes),接收元素开始的通知。默认情况下，不执行任何操作。应用程序编写者可以在子类中重写此方法，以便在每个元素的开始处采取特定的操作（如分配新的树节点或将输出写入文件）。,voidendElement(Stringuri,StringlocalName,StringqName),接收元素结束的通知。默认情况下，不执行任何操作。应用程序编写者可以在子类中重写此方法，以便在每个元素的结束处采取特定的操作（如，结束树节点或将输出写入文件）。SAX解析器会在XML文档中每个元素的末尾调用此方法；对于每个endElement事件都将有相应的st

31、artElement事件（即使该元素为空时）。,用例：对于SAXEcho任务，在碰到endElement事件时只需输出元素的结束标记即可。voidendElement(StringnamespaceURI,StringlocalName,StringqName)System.out.print();,voidcharacters(charch,intstart,intlength),接收元素中字符数据的通知。默认情况下，不执行任何操作。应用程序编写者可以重写此方法，以便对每块字符数据采取特定的措施（如将该数据添加到节点或缓冲区，或者将该数据打印到文件）。,用例：对于SAXEcho任务，在碰到文

32、本内容时，需要进行复制输出。publicvoidcharacters(charch,intstart,intlength)System.out.print(newString(ch,start,length);,比如XML数据StevensW.，将两次进入characters回调函数，每次在该回调函数中，使用newString(ch,start,length)可以获得当前处理的文本内容。,voidignorableWhitespace(charch,intstart,intlength),接收元素内容中可忽略空白的通知。默认情况下，不执行任何操作。应用程序编写者可以重写此方法，以便对每块可忽略

33、的空白采取特定的措施（如将数据添加到节点或缓冲区，或者将数据打印到文件）。,对于下面的输入XML文档：StevensW.,如果按照前面的方法重写characters，而不重写ignorableWhitespace回调函数，完全能够得到正确地结果（即输出与输入完全相同）。,可忽略的空白字符（ignorableWhitespace）,SAX解析器并不会主动地忽略输入文档中的空白字符（所以使用characters回调函数就能够对空白字符进行处理），除非指定SAX解析器使用验证功能，并且根据所提供的模式，能够判断出其中包含了多余的空白字符。,StevensW.,如果仅仅按照上面的方法重写charact

34、ers，而不重写ignorableWhitespace回调函数，那么输出结果：StevensW.,voidignorableWhitespace(charch,intstart,intlength)characters(ch,start,length);,voidprocessingInstruction(Stringtarget,Stringdata),接收处理指令的通知。默认情况下，不执行任何操作。应用程序编写者可以在子类中重写此方法，以便对每个处理指令采取特定的措施，如设置状态变量或调用其他的方法。,用例：对于SAXEcho任务，在碰到处理指令时，需要进行复制输出。voidprocess

35、ingInstruction(Stringtarget,Stringdata)System.out.print(0)System.out.print();System.out.print(data);System.out.print(?);,有关命名空间的回调函数,voidstartPrefixMapping(Stringprefix,Stringuri)接收名称空间映射开始的通知。默认情况下，不执行任何操作。应用程序编写者可以在子类中重写此方法，以便在每个名称空间前缀范围的开始处采取特定的操作。voidendPrefixMapping(Stringprefix)接收名称空间映射结束的通知。默

36、认情况不执行任何操作。应用程序编写者可以在子类中重写此方法，以便在每个前缀映射的结束处采取特定操作。,错误处理回调函数,voidwarning(SAXParseExceptione)接收解析器警告的通知。默认实现不执行任何操作。应用程序编写者可以在子类中重写此方法，以便对每个警告采取特定措施，如在日志文件中插入消息，或将其打印到控制台。voiderror(SAXParseExceptione)接收可恢复的解析器错误的通知。默认实现不执行任何操作。应用程序编写者可以在子类中重写此方法，以便对每个错误采取特定的措施，如在日志文件中插入消息，或者将它打印到控制台。voidfatalError(SAX

37、ParseExceptione)报告严重的XML解析错误。默认的实现抛出SAXParseException。,8.3.3使用SAX模型解析XML文档的示例程序,SAXSample.java（从XML文档构造Employee类的对象集合）。,8.4DOM和SAX之间的性能分析和比较,saxVSdom应用程序。DOM和SAX的性能比较。,8.5JAXP中的其它XML数据处理API,执行XPath查询使用TraxAPI执行数据转换操作执行XQuery查询,执行XPath查询(1),1.实例化一个XPathFactory2.使用XPathFactory创建一个XPath对象,javax.xml.xpa

38、th.XPathFactoryfactory=javax.xml.xpath.XPathFactory.newInstance();缺省情况下，JDK1.6中将使用：ernal.jaxp.XPathImpl,javax.xml.xpath.XPathxpath=factory.newXPath();,执行XPath查询(2),3.（可选步骤）将XPath表达式字符串编译为XPathExpression对象：,javax.xml.xpath.XPathExpressionexpression=pile(/doc/name);,通常

39、可以使用XPpile(Stringexpression)将XPath表达式字符串编译为一个XPathExpression对象，以便稍后使用；当然，执行之前的编译操作并不是必须的，这是一个可选的步骤，您也可以直接计算XPath对象。XPathExpression对象和XPath对象的区别在于，如果需要反复针对多个上下文执行同一个XPath查询计划，那么应该首先对其进行编译，以便重用。,执行XPath查询(3),4.针对一个输入文档，计算XPath表达式（使用经过编译的XPathExpression对象，或者未经过编译的XPath对象）XPathJaxp.java,expression.evalu

40、ate(neworg.xml.sax.InputSource(foo.xml);xpath.evaluate(/doc/name,neworg.xml.sax.InputSource(foo.xml);,XPathExpression类的evaluate方法：Stringevaluate(Objectitem)Objectevaluate(Objectitem,QNamereturnType)Stringevaluate(InputSourcesource)Objectevaluate(InputSourcesource,QNamereturnType),参数QNamereturnType的值

41、可能为：XPathConstants.BOOLEANXPathConstants.NUMBERXPathConstants.STRINGXPathConstants.NODESETXPathConstants.NODE,使用TraxAPI执行数据转换操作(1),转换任务的输入可能是URL、XML流、DOM树、SAX事件、或者专用格式和数据结构，输出类型大致与输入类型相同，如果有n种输入、n种输出，那么一共就有n2种组合。因此，对于转换API来说，最重要地就是如何处理输入和输出的各种可能的组合。从JDK1.5中的JAXP1.3起，就开始将TrAX（TransformationAPIforXML）

42、集成到了核心的Java开发环境中。TrAX主要由下列软件包组成：javax.xml.transform：定义用于处理转换指令、以及执行从源到结果的转换的API。javax.xml.transform.sax：实现特定于SAX2的转换API。javax.xml.transform.dom：此包实现特定于DOM的转换API。javax.xml.transform.stream：实现特定于流和URI的转换API。,使用TraxAPI执行数据转换操作(2),TransformerFactory是处理转换指令的一种对象，可以由它产生Templates，一个Templates可以产生一个Transformer，后者可以将一个或多个Source转换为一个或多个Result。要使用TrAXAPI，必须首先创建一个TransformerFactory，它可以直接提供Transformer