JavaEE XML DOM解析

DOM解析XML

@author ixenos

XML解析方式（原理）

---

a)     DOM 解析树

b)     SAX  流事件

DOM解析对应主流工具

i.          DOM（官方）

ii.          DOM4J  （非官方 主流  三大框架使用DOM4J解析配置文件）

iii.          JDOM （非官方）

SAX解析对应主流工具

SAX （官方  主流）

解析XML文档

---

a)     要处理XML文档就要先解析(parse)它，

b)     解析器程序：读入一个文件，确认这个文件具有正确的格式，然后分解成各种元素，使程序员能够访问这些元素

i.          文档对象模型（Document Object Model，DOM）解析器，是树型解析器（tree parser），将读入的XML文档转换成树结构

ii.          XML简单API（Simple API for XML，SAX）解析器，是流机制解析器（streaming parser），在读入XML文档时生成相应的事件

c)     如果只是对于某些元素感兴趣，而不关心他们的上下文，那么在这些情况下你应该考虑使用流机制解析器

节点Node

---

一个XML文档中只有一个根节点

没有父节点的元素节点

元素节点

根节点和根节点中的所有标签都是元素节点

属性节点

<student id=“001”></student> id就是属性节点

文本节点

<name>zhangsan</name> zhangsan就是文本节点

注释节点

<!-- --> xml文档中的注释信息

Element类型：带标签的<a>b</a>，节点名是a，节点值都是null，b是“节点值”，也是子节点（此时b是Text类型的节点）

Attr类型：节点值是属性名，节点值是属性值

Text类型：在标签之外的都是文本节点，节点名都是#text，节点值是文本

因此，我们认为的Element类型的节点的“节点值”，实际上是Element类型节点的Text类型的子节点——指夹在标签中间的内容，不能通过getNodeValue()获取，要通过：

1. getFirstChild().getNodeValue() 获得第一个子节点的节点值
2. getTextContent() 获得所有Text子节点的节点值，也会递归孙子节点获得曾孙节点的节点值

a)     例如<a><b>bb</b>哈哈哈</a>将得到：bb哈哈哈

b)     而用1.将解析b这个Element节点，将得到null

DOM官方解析示例

---

a)     首先要明白XML是被看成文档（Document）的，所以我们需要一个DocumentBuilder对象来读取XML，生成对应的Document对象

i.          /*用Builder工厂生成Builder*/

ii.          DocumentBuilderFactory factory = DocumentDuilderFactory.newInstance();

iii.          DocumentBuilder builder = factory.newDocumentBuilder();

iv.          /*用builder读取XML文档生成Document对象*/

v.          File f = new File(“…”);

vi.          Document doc = builder.parse(f);  //也可以读URL或者输入流

b)     启动对Document的分析，调用getDocumentElement，获得root元素

i.          Element root = doc.getDocumentElement();

c)     获得root节点子节点的列表，

i.          注意，子节点不仅有Element元素类型还有Text文本类型（不在标签里的，连换行回车的空白也算）

ii.          NodeList children = root.getChildNodes();

iii.          For(int i=0; i<children.getLength(); i++){

Node child = children.item(i);

……

iv.          }

v.          如果只希望得到元素子节点（Element），那么可以忽略空白字符（Text）：

vi.          NodeList children = root.getChildNodes();

vii.          For(int i=0; i<children.getLength(); i++){

Node child = children.item(i);

if(child instanceof Element){

Element childElement = (Element)child;

…

}

viii.          }

d)     如果文档有DTD，那么解析器知道哪些是没有文本节点的子元素，而且会自动剔除掉空白字符！DTD很好用

e)     如<a>123</a><b>456</b>，当我们想知道标签夹着的信息时，既然Text是这些元素子节点唯一的子节点，就可以用getFirstChild方法而不必对着这些元素子节点的NodeList一顿遍历，而只需要之后再对Text节点getData得到字符串即可

i.          For(int i=0; i<children.getLength(); i++){

1. Node child = children.item(i);
2. If(child instanceof Element){

a)     Element childElement = (Element)child;

b)     Text textNode = (Text)childElement.getFirstChild();

c)     String text = textNode.getData().trim(); //去掉多余空格和换行符

d)     if(childElement.getTagName().equals(“name”)) //name标签名

i.          name = text;

e)     else if(childElement.getTagName().equals(“size”))

i.          size = Integer.parseInt(text);

}

}

对元素节点的文本子节点getData后再trim，可以优化这种情况：

<size>

36

</size>

此时文本子节点中含有换行和空格，调用trim可以删掉前后的空格

f)      枚举元素子节点的属性<size hel=”pt”>36</size>

i.          一个标签可以有多个属性，每个属性都有它自己的名称和取值，例如：

<input name=“text”>

属性值一定要用双引号（"）或单引号（'）引起来

定义属性必须遵循与标签相同的命名规范

多学一招：在XML技术中，标签属性所代表的信息，也可以被改成用子元素的形式来描述，例如：

<input>

<name>text</name>

</input>

注意：此时就不能使用getAttributes了

ii.          文档对象调用getAttributes，返回一个NameNodeMap对象，其中包含了描述属性的Node对象（键值对），遍历该Map得Node，调用getNodeName和getNodeValue获得属性名和属性值

iii.          或者知道属性名，直接获取属性值

1. String unit = element.getAttrbute(“unit”); //unit是属性名，将属性值赋给String变量unit

或者

外部

<!DOCTYPE configuration PUBLIC “http://myserver.com/config.dtd”>