Java解析XML文件的DOM和SAX方式

港控/mmm° 2024-03-17 16:34 15阅读 0赞

**Java****解析****XML****文件之：****DOM**

DOM初步

DOM是Document Object Model的缩写，即文档对象模型。前面说过，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：

<table style="width:435pt;"> 
 <tbody> 
  <tr> 
   <td style="background-color:#e6e6e6;"> <p style="margin-left:.0001pt;text-align:left;">&lt;?xml version="1.0" encoding="UTF-8"?&gt;</p> <p style="margin-left:.0001pt;text-align:left;"><span style="color:#000000;">&lt;messages&gt;</span></p> <p style="margin-left:.0001pt;text-align:left;"><span style="color:#000000;">&lt;message&gt;Good-bye serialization, hello Java!&lt;/message&gt;</span></p> <p style="margin-left:.0001pt;text-align:left;"><span style="color:#000000;">&lt;/messages&gt;</span></p> </td> 
  </tr> 
 </tbody> 
</table>

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：

<table style="width:435pt;"> 
 <tbody> 
  <tr> 
   <td style="background-color:#e6e6e6;"> <p style="margin-left:.0001pt;text-align:left;">DocumentBuilderFactory dbf = Docu<span style="color:#000000;">mentBuilderFactory.newInstance();</span></p> </td> 
  </tr> 
 </tbody> 
</table>

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。

<table style="width:435pt;"> 
 <tbody> 
  <tr> 
   <td style="background-color:#e6e6e6;"> <p style="margin-left:.0001pt;text-align:left;">DocumentBuilder db = dbf.newDocumentBuilder();</p> </td> 
  </tr> 
 </tbody> 
</table>

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：

<table style="width:435pt;"> 
 <tbody> 
  <tr> 
   <td style="background-color:#e6e6e6;"> <p style="margin-left:.0001pt;text-align:left;">Document doc = db.parse("c:/xml/mes<span style="color:#000000;">sage.xml");</span></p> </td> 
  </tr> 
 </tbody> 
</table>

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。

![29dfa1e086ac49a4b17365a71d80bb36.png][]

Jaxp支持W3C所推荐的DOM 2。如果你对DOM很熟悉，那么下面的内容就很简单了：只需要按照DOM的规范来进行方法调用就可以。当然，如果你对DOM不清楚，也不用着急，后面我们 会有详细的介绍。在这儿，你所要知道并牢记的是：DOM是用来描叙XML文档中的数据的模型，引入DOM的全部原因就是为了用这个模型来操作XML文档的 中的数据。DOM规范中定义有节点（即对象）、属性和方法，我们通过这些节点的存取来存取XML的数据。

从上面得到的 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：

<table style="width:435pt;"> 
 <tbody> 
  <tr> 
   <td style="background-color:#e6e6e6;"> <p style="margin-left:.0001pt;text-align:left;">NodeList nl = doc.getElementsByTagName("message");</p> </td> 
  </tr> 
 </tbody> 
</table>

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：

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：

<table style="width:435pt;"> 
 <tbody> 
  <tr> 
   <td style="background-color:#e6e6e6;"> <p style="margin-left:.0001pt;text-align:left;">String message = my_node.getFirstChild().getNodeValue();</p> </td> 
  </tr> 
 </tbody> 
</table>

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。

下面的内容，我们将更多的关注DOM，为DOM作一个较为详细的解析，使我们使用起来更为得心应手。

DOM详解

DOM的基本对象有5个：Document，Node，NodeList，Element和Attr。下面就这些对象的功能和实现的方法作一个大致的介绍。

![ddbfbd86e21c4b06a6ba7b501c510d5e.png][]

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createAttribut()用来创建一个Attr对象。它所包含的主要的方法有：

1.  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。
2.  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。
3.  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。
4.  getElementsByTagName(String)：返回一个NodeList对象，它包含了所有给定标签名字的标签。
5.  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，这一点是要注意的。Node对象所包含的主要的方法有：

1.  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。
2.  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。
3.  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。
4.  getNodeName()：根据节点的类型返回节点的名称。
5.  getNodeType()：返回节点的类型。
6.  getNodeValue()：返回节点的值。
7.  hasChildNodes()：判断是不是存在有子节点。
8.  hasAttributes()：判断这个节点是否存在有属性。
9.  getOwnerDocument()：返回节点所处的Document对象。
10. 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。
11. removeChild(org.w3c.dom.Node)：删除给定的子节点对象。
12. replaceChild(org.w3c.dom.Node new，org.w3c.dom.Node old)：用一个新的Node对象代替给定的子节点对象。

NodeList对象，顾名思义，就是代表了一个包含了一个或者多个Node的列表。可以简单的把它看成一个Node的数组，

[29dfa1e086ac49a4b17365a71d80bb36.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/1c74503195924d89ab6078f171662773.png
[ddbfbd86e21c4b06a6ba7b501c510d5e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/a222155894f1443f93ff46baf31e72cc.png