首页 > 代码库 > JavaScripts学习日记——DOM SAX JAXP DEMO4J XPath

JavaScripts学习日记——DOM SAX JAXP DEMO4J XPath

今日关键词:

XML解析器

DOM

SAX

JAXP

DEMO4J

XPath

XML解析器

1.解析器概述

什么是解析器

  XML是保存数据的文件,XML中保存的数据也需要被程序读取然后使用。那么程序使用什么来读取XML文件中的数据呢?XML解析器!例如.properties文件的解析器是Properties类一样!

  XML不只被Java语言使用,还被C++、C#、Javascript等等语言使用,所以解析XML不是一门语言的工作!

 

DOM和SAX介绍

主流的XML解析有两种标准:DOM和SAX。它们是标准,是思想,不是真正的解析器,它们是跨语言的!!!

l  DOM(Document Object Model):W3C组织提供的解析XML文档的标准接口;

l  SAX(Simple API for XML):(草民)社区讨论的产物,是一种事实上的标准。

 

Apache的xerces组件实现了DOM和SAX,所以在我们在Java中解析XML需要使用xerces(JDK提供了)。所以我们称xerces是DOM、SAX解析器。

 

2.1 DOM解析原理

DOM要求解析器把整个XML文档装载到一个Document对象中。即使用DOM解析器解析XML文档的结果就是一个Document对象。

一个XML文档解析后对应一个Document对象,可以通过Document对象获取根元素,然后在通过根元素获取根元素的子元素…,这说明DOM解析方式保留了元素之间的结构关系(DOM树)!

l  优点:元素与元素之间的结构关系保留了下来;

l  缺点:如果XML文档过大,那么把整个XML文档装载进内存,可能会出现内存溢出的现象!

 

 

2.2 SAX解析原理

DOM解析后的结果是一个Document对象,而SAX解析没有结果!SAX要求在开始解析之前用户提供一个接口的实现对象,然后把接口实现对象传递给SAX解析器,然后在SAX解析器的过程中不调用实现对象的方法。

l  DOM是解析时把数据放到了Document对象中,然后用户从Document中获取需要的数据;

l  SAX要求用户参与到解析过程中来,把想要做的事情写到接口实现对象中,然后SAX在解析过程中来调用接口实现对象的方法。

 

你看过三国么?听说过三气周瑜么?其中二气周瑜你知道么?故事情节大致如下:

倒霉的周瑜让孙权把自己的妹妹嫁给刘备,让刘备来吴国完婚!目的是把刘备软禁在吴国,或者把刘备干掉。如果刘备不同意,那么孙权就有了打刘备,抢荆州的借口了。

孔明识破了这一计,最终让刘备与赵云去吴国。但孔明给了赵云三个锦囊:

l  到了吴国南徐开第一个锦囊;

l  在吴国住到年终开第二个锦囊;

l  回家途中被吴军阻拦开第三个锦囊。

 

锦囊的内容是什么呢?赵云和刘备性命如何呢?诸葛亮又是如何二气周瑜的呢?这里没有了,自己去买本《三国演义》看吧!

 

其中赵云就是SAX解析器,赵负责去吴国,SAX负责解析XML;

其中孔明的三个锦囊就是接口实现中的三个方法;

赵云会在特定时刻打开锦囊,依计而行,SAX解析器会在解析过程中特定时刻调用接口实现中的某一方法。

取亲之旅 ßà 被解析的XML

赵云 ßà SAX解析器

锦囊 ßà接口在三个方法(由我们完成)

 

赵云在取亲之旅中,会在发生特定事件时,执行特定的锦囊。例如在到达吴国南徐时,执行第一个锦囊上的妙计。

SAX解析器会在解析XML文档的过程中,在发生特定事件时,调用接口中特定的方法。例如在SAX解析到某个元素的开始标签时,输出元素名称!其中解析到开始标签就是特定的事件,而输出元素名称,就是接口中方法的实现。

 

接口中方法如下:

       public void startDocument()[崔1] ;

       public void endDocument()[崔2] ;

       public void startElement(String uri, String localName, String qName,

              Attributes atts)[崔3] ;

       public void endElement(String uri, String localName, String qName)[崔4] 

       public void characters(char[] ch, int start, int length)[崔5] ;

       public void ignorableWhitespace(char[] ch, int start, int length)[崔6] ;

       public void processingInstruction(String target, String data)[崔7] ;

 

  接口的实现由我们来完成,然后我们需要把接口实现类对象“交给”SAX解析器,然后让SAX开始解析。SAX会在特定事件发生时,调用接口中的方法,完成我们交给它的任务。

 

l  优点:适合解析大XML文件(内存空间占用小),因为是解析一行处理一行,处理完了就不需要在保留数据了;

l  缺点:因为是解析一行处理一行,解析之后数据就丢失了,所以元素与元素之间的结构关系没有保留下来。

 

JAXP介绍(不重要)

我们知道有很多像xerces一样的解析器,都对DOM和SAX提供了实现,那么如果我们在项目中一开始使用了解析A,然后因为某些原因想更换成解析B,那么就需要修改项目。

JAXP(Java API for XML Processing)是由Java提供的,JAXP是对所有像xerces一样的解析的提供统一接口的API。

当我们使用JAXP完成解析工作时,还需要为JAXP指定xerces或其他解析器,当需要更换解析器时,无需修改代码,只需要修改配置即可。

 

 

  JAXP不是解析器,但使用它可以方便的切换解析器。所以在我们的程序中只会使用JAXP,而不会直接使用Xeces。

 

JDOM和DOM4j介绍

DOM和SAX是跨语言的XML解析准备,在Java中使用并不方便。而JDOM和DOM4j是专门为Java语言提供的解析工具!使用起来很方便,所以真实开发中使用JDOM或DOM4J比较多。

又因为DOM4J与JDOM比较结果为DOM4j完胜,所以我们这里只会对DOM4j介绍,而不会介绍JDOM。

 

2.DOM和SAX解析

1 DOM结构模型

DOM中的核心概念就是节点,在XML文档中的元素、属性、文本、处理指令,在DOM中都是节点!

 

2 JAXP之DOM解析

使用DOM解析XML的目标就是获取到Document对象,然后在从Document中获取到需要的数据。Document对象就是XML文档在内存中的样子。

  1. 获取Document三步:

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();[崔8] 

DocumentBuilder builder = factory.newDocumentBuilder();[崔9] 

Document document = builder.parse(new File("students.xml"));[崔10] 

 

  1. 遍历Document:

    @Test

    public void fun1() throws SAXException, IOException, ParserConfigurationException {

       DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

       DocumentBuilder builder = factory.newDocumentBuilder();

       Document document = builder.parse(new File("src/students.xml"));

      

       // 获取根元素

       Element rootEle = document.getDocumentElement();

       // 获取元素的所有子节点

       NodeList nodeList = rootEle.getChildNodes();

       // 循环遍历所有节点

       for(int i = 0; i < nodeList.getLength(); i++) {

           // 获取其中每个节点

           Node node = nodeList.item(i);

           // 判断节点的类型是否为元素

           if(node.getNodeType() == Node.ELEMENT_NODE) {

              // 强转成元素类型

              Element stuEle = (Element) node;

              // 获取元素的名称

              String eleName = stuEle.getNodeName();

              // 获取元素的number属性值

              String number = stuEle.getAttribute("number");

              // 获取名为name的子元素,因为返回值为NodeList,

              // 所以需要使用item(0)方法获取第一个name子元素

              // getTextContent()是获取节点的文本内容

              String name = stuEle.getElementsByTagName("name").item(0).getTextContent();

              String age = stuEle.getElementsByTagName("age").item(0).getTextContent();

              String sex = stuEle.getElementsByTagName("sex").item(0).getTextContent();

             

              System.out.println(eleName + ":[number=" + number + ", name=" + name + ", age=" + age + ", sex=" + sex + "]");

           }

       }

    }

 

3 JAXP之SAX解析

使用SAX解析XML文档需要先给出DefualtHandler的子类,重写其中的方法。然后在使用SAX开始解析时把DefaultHandler子类对象传递给SAX解析器。

class MyContentHandler extends DefaultHandler {

    public void startDocument() throws SAXException {

       System.out.println("开始解析...");

    }

 

    public void endDocument() throws SAXException {

       System.out.println("解析结束...");

    }

 

    public void startElement(String uri, String localName, String qName,

           Attributes atts) throws SAXException {

       System.out.println(qName [崔11] + "元素解析开始");

    }

 

    public void endElement(String uri, String localName, String qName)

           throws SAXException {

       System.out.println(qName [崔12] + "元素解析结束");

    }

 

    public void characters(char[] ch, int start, int length)

           throws SAXException {

       System.out.print(new String(ch, start, length)[崔13] .trim());

    }

}

 

使用SAX解析首先需要获取工厂,再通过工厂获取解析器对象,然后使用解析对象完成解析工作:

       SAXParserFactory factory = SAXParserFactory.newInstance();

       SAXParser parser = factory.newSAXParser();

       parser.parse(new File("src/students.xml"), new MyContentHandler());

 

3.DOM4J解析(崔老师版)

1 DOM4J概述

DOM4J是针对Java开发人员专门提供的XML文档解析规范,它不同与DOM,但与DOM相似。DOM4J针对Java开发人员而设计,所以对于Java开发人员来说,使用DOM4J要比使用DOM更加方便。

 

在DOM4J中,也有Node、Document、Element等接口,结构上与DOM中的接口比较相似。但它们是不同的类:

 

l  Node

  • Attribute:表示属性节点;
  • Branch:表示可以包含子元素的节点:

n  Document:表示整个文档;

n  Element:表示元素节点;

  • CharacterData:表示文本节点:

n  Text:表示文本内容;

n  CDATA:表示CDATA段内容;

n  Comment:表示注释内容。

 

  我们再次强调,DOM和DOM4J是不同的,DOM中的Document是org.w3c.Document,而DOM4J中的Document是org.dom4j.Document,它们是不同的类,其他Node、Element也是一样。

2 读取、保存、创建Document

使用dom4j需要导入:

l  dom4j.jar

l  jaxen.jar

  1. 读取

       SAXReader reader = new SAXReader();

       Document doc = reader.read("src/students.xml");

 

  1. 保存XML文档

       // 创建格式化器,使用\t缩进,添加换行

       OutputFormat format = new OutputFormat("\t", true);

       // 清空数据中原有的换行

       format.setTrimText(true);

       // 创建XML输出流对象

       XMLWriter writer = new XMLWriter(new FileWriter("src/a.xml"), format);

       // 输出Document

       writer.write(doc);

       // 关闭流

       writer.close();

 

  1. 创建Document

Document doc = DocumentHelper.createDocument();

 

3 遍历Document

    public void fun1() throws DocumentException {

       SAXReader reader = new SAXReader();

       Document doc = reader.read("src/students.xml");

 

       // 获取根元素

       Element rootEle = doc.getRootElement();

       // 获取根元素的所有子元素

       List<Element> eleList = rootEle.elements();

       // 遍历元素集合

       for (Element stuEle : eleList) {

           // 获取元素名称

           String eleName = stuEle.getName();

 

           // 获取元素的number属性值

           String number = stuEle.attributeValue("number");

           // 获取元素的name子元素内容

           String name = stuEle.elementText("name");

           // 获取元素的age子元素内容

           String age = stuEle.elementText("age");

           // 获取元素的sex子元素内容

           String sex = stuEle.elementText("sex");

           System.out.println(eleName + ": [number=" + number + ", name="

                  + name + ", age=" + age + ", sex=" + sex + "]");

       }

    }

 

4 添加student元素

       SAXReader reader = new SAXReader();

       Document doc = reader.read("src/students.xml");

      

       // 获取根元素<students>

       Element root = doc.getRootElement();

       // 为root添加名为student的子元素,并返回这个新添加的子元素

       Element stuEle = root.addElement("student");

       // 给元素添加属性number,值为123

       stuEle.addAttribute("number", "123");

       // 添加子元素name,并设置name子元素的文本内容为wangWu

       stuEle.addElement("name").setText("wangWu");

       stuEle.addElement("age").setText("30");

       stuEle.addElement("sex").setText("male");

      

       //////////////////

      

       // 创建格式化器,使用\t缩进,添加换行

       OutputFormat format = new OutputFormat("\t", true);

       // 清空数据中原有的换行

       format.setTrimText(true);

       // 创建XML输出流对象

        XMLWriter writer = new XMLWriter(new FileWriter("src/a.xml"), format);

       // 输出Document

       writer.write(doc);

       // 关闭流

       writer.close();

 

5 查询元素

       SAXReader reader = new SAXReader();

       Document doc = reader.read("src/students.xml");

      

       /*

        * selectSingNode()方法的参数是XPath

        * XPath是在XML文档中查找的一门表达式语言

        * “//”表示查找整个XML文档

        * student表示查找名为student的元素

        * []表示条件

        * @number表示number属性

        * @number=‘ITCAST_1001‘表示条件为number属性等于ITCAST_1001

        *

        * selectSingNode()方法在查找到多个满足XPath的元素时,只返回第一个。

        */

       Element stuEle1 = (Element)doc.selectSingleNode("//student[@number=‘ITCAST_1001‘]");

       // 把元素转换成字符串

       System.out.println(stuEle1.asXML());

      

       // 查找name子元素内容为liSi的student元素

       Element stuEle2 = (Element) doc.selectSingleNode("//student[name=‘liSi‘]");

       System.out.println(stuEle2.asXML());

 

6 修改元素

       SAXReader reader = new SAXReader();

       Document doc = reader.read("src/students.xml");

      

       // 查找元素

       Element stuEle = (Element)doc.selectSingleNode("//student[@number=‘ITCAST_1001‘]");

       // 修改student元素的name子元素内容为“张三”

       stuEle.element("name").setText("张三");

      

       //////////////////

      

       // 创建格式化器,使用\t缩进,添加换行

       OutputFormat format = new OutputFormat("\t", true);

       // 清空数据中原有的换行

       format.setTrimText(true);

       // 创建XML输出流对象

       XMLWriter writer = new XMLWriter(new FileWriter("src/a.xml"), format);

       // 输出Document

       writer.write(doc);

       // 关闭流

       writer.close();

 

7 删除学生元素

       SAXReader reader = new SAXReader();

       Document doc = reader.read("src/students.xml");

      

       // 查找元素

       Element stuEle = (Element)doc.selectSingleNode("//student[@number=‘ITCAST_1001‘]");

       // 获取父元素来删除元素

       stuEle.getParent().remove(stuEle);

      

       //////////////////

      

       // 创建格式化器,使用\t缩进,添加换行

       OutputFormat format = new OutputFormat("\t", true);

       // 清空数据中原有的换行

       format.setTrimText(true);

       // 创建XML输出流对象

       XMLWriter writer = new XMLWriter(new FileWriter("src/a.xml"), format);

       // 输出Document

       writer.write(doc);

       // 关闭流

       writer.close();

 

 

8 dom4j API介绍

Node方法:

l  String asXML():把当前节点转换成字符串,如果当前Node是Document,那么就会把整个XML文档返回;

l  String getName():获取当前节点名字;Document的名字就是绑定的XML文档的路径;Element的名字就是元素名称;Attribute的名字就是属性名;

l  Document getDocument():返回当前节点所在的Document对象;

l  short getNodeType():获取当前节点的类型;

l  String getNodeTypeName():获取当前节点的类型名称,例如当前节点是Document的话,那么该方法返回Document;

l  String getStringValue():获取当前节点的子孙节点中所有文本内容连接成的字符串;

l  String getText():获取当前节点的文本内容。如果当前节点是Text等文本节点,那么本方法返回文本内容;例如当前节点是Element,那么当前节点的内容不是子元素,而是纯文本内容,那么返回文本内容,否则返回空字符串;

l  void setDocument(Document doc):给当前节点设置文档元素;

l  void setParent(Element parent):给当前节点设置父元素;

l  void setText(String text):给当前节点设置文本内容;

 

 

Branch方法:

l  void add(Element e):添加子元素;

l  void add(Node node):添加子节点;

l  void add(Comment comment):添加注释;

l  Element addElement(String eleName):通过名字添加子元素,返回值为子元素对象;

l  void clearContent():清空所有子内容;

l  List content():获取所有子内容,与获取所有子元素的区别是,<name>liSi</name>元素没有子元素,但有子内容;

l  Element elementById(String id):如果元素有名为“ID”的属性,那么可以使用这个方法来查找;

l  int indexOf(Node node):查找子节点在子节点列表中的下标位置;

l  Node node(int index):通过下标获取子节点;

l  int nodeCount():获取子节点的个数;

l  Iterator nodeIterator():获取子节点列表的迭代器对象;

l  boolean remove(Node node):移除指定子节点;

l  boolean remove(Commont commont):移除指定注释;

l  boolean remove(Element e):移除指定子元素;

l  void setContent(List content) :设置子节点内容;

 

 

Document方法:

l  Element getRootElement():获取根元素;

l  void setRootElement():设置根元素;

l  String getXmlEncoding():获取XML文档的编码;

l  void setXmlEncoding():设置XML文档的编码;

 

 

Element方法:

l  void add(Attribute attr):添加属性节点;

l  void add(CDATA cdata):添加CDATA段节点;

l  void add(Text Text):添加Text节点;

l  Element addAttribute(String name, String value):添加属性,返回值为当前元素本身;

l  Element addCDATA(String cdata):添加CDATA段节点;

l  Element addComment(String comment):添加属性节点;

l  Element addText(String text):添加Text节点;

l  void appendAttributes(Element e):把参数元素e的所有属性添加到当前元素中;

l  Attribute attribute(int index):获取指定下标位置上的属性对象;

l  Attribute attribute(String name):通过指定属性名称获取属性对象;

l  int attributeCount():获取属性个数;

l  Iterator attributeIterator():获取当前元素属性集合的迭代器;

l  List attributes():获取当前元素的属性集合;

l  String attributeValue(String name):获取当前元素指定名称的属性值;

l  Element createCopy():clone当前元素对象,但不会copy父元素。也就是说新元素没有父元素,但有子元素;

l  Element element(String name):获取当前元素第一个名称为name的子元素;

l  Iterator elementIterator():获取当前元素的子元素集合的迭代器;

l  Iterator elementIterator(String name):获取当前元素中指定名称的子元素集合的迭代器;

l  List elements():获取当前元素子元素集合;

l  List elements(String name):获取当前元素指定名称的子元素集合;

l  String elementText(String name):获取当前元素指定名称的第一个元素文件内容;

l  String elementTextTrime(String name):同上,只是去除了无用空白;

l  boolean isTextOnly():当前元素是否为纯文本内容元素;

l  boolean remove(Attribute attr):移除属性;

l  boolean remove(CDATA cdata):移除CDATA;

l  boolean remove(Text text):移除Text。

 

 

DocumentHelper静态方法介绍:

l  static Document createDocument():创建Dcoument对象;

l  static Element createElement(String name):创建指定名称的元素对象;

l  static Attribute createAttrbute(Element owner, String name, String value):创建属性对象;

l  static Text createText(String text):创建属性对象;

l  static Document parseText(String text):通过给定的字符串生成Document对象;

 

 


 [崔1]开始解析时调用该方法

 [崔2]结束解析时调用该方法

 [崔3]遇到元素的开始标签时调用该方法

 [崔4]遇到元素结束标签时调用该方法

 [崔5]遇到文本内容时调用该方法

 [崔6]遇到元素与元素之间的空白时调用该方法

 [崔7]遇到处理指令时调用该方法

 [崔8]获取工厂

 [崔9]获取解析器

 [崔10]解析XML文档,得到Document对象

 [崔11]元素名称

 [崔12]元素名称

 [崔13]当前文本内容

 

5.Xpath

XPath实际上就是一种更快的查找XML元素的方式。详情见文档。

JavaScripts学习日记——DOM SAX JAXP DEMO4J XPath