Java核心技术II读书笔记（一）

Char2 XML

解析器：读入一个文件，确认其具有正确的格式，然后将其分解成各种元素，使程序员能够访问这些元素。

java库提供了两种XML解析器：DOM和SAX，即文档对象模型和流机制解析器。

DOM不适合处理太长的XML，考虑到内存的消耗。

如果只对XML中的某些元素感兴趣，而不关心上下文，考虑用SAX。

DOM解析器的接口已经被W3C标准化了，org.w3c.dom包中包含了这些接口类型的定义，比如Document和Element等。不同的组织都提供了实现这些接口的DOM解析器，如Apache和IBM。我们可以通过JAXP（Java API for XML Processing）库以插件的方式使用这些解析器中的任意一个。JDK本身也有自己的DOM解析器。本章就使用这个。所以，我们只要通过实现以上的接口或类就能达到使用解析器的目的。

以下是读入一个XML文档的方式：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

DocumentBuilder builder = factory.newDocumentBuilder();  //这个就是解析器对象啦

书里说了三种XML的来源，File、URL、InputStream：

FIle f = ...

Document doc = builder.parse(f);

URL u = ...

Document doc = builder.parse(u);

InputStream in = ...

Document doc = builder.parse(in);

需要注意的是，如果以InputStream为输入源，当XML中有用到DTD等以该XML的位置为相对路径的引用时，解析器将无法定位这个DTD等文档。需要安装一个“实体解析器”（entity resolver）来解决这个问题。

接下来就是解析Document对象各个部分的事了，具体看这个图：

例如，处理下面的文档：

<?xml version="1.0"?>

<font>

<name>Zhangsan</name>

<size>33</size>

</font>

Element root = doc.getDocumentElement();  //返回根元素font

root.getTagName();   //返回字符串"font"

获得该元素的子元素：

NodeList children = root.getChildNodes();

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

Node child = children.item(i);

...

}

其中，getLength()=5而不是2，为啥？因为子元素与主元素之间、子元素与子元素之间空格也算了。如果只希望得到子元素，可以这样处理：

NodeList children = root.getChildNodes();

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

Node child = children.item(i);

if(child instanceof Element){

Element childElement = (Element)child;

...

}

}

这样处理还是很麻烦的，这就是为啥后面要引入DTD的原因了，DTD能后对XML的内容进行规范处理，减少一些不必要的验证过程。

我们看上面的图，其中包括空白子元素，是Text类型的，另外，发现没？name和size的值也是Text类型的，所以，怎么样获得Zhangsan、33这两个值呢？自然通过Text类型的对象来处理：

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

Node child = children.item(i);

if(child instanceof Element){

Element childElement = (Element) child;

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

String text = textNode.getData().trim();

if(childElement.getTagName().equals("name")){

name = text;

}else if(childElement.getTagName().equals(size")){

size = Integer.parseInt(text);

}

}

}

上面用到trim()是为了避免下面格式产生的空格：

<size>

33

</size>

这种情况下，解析器会把所有的换行符和空格都包含到Text中去。

最后一部分是获取XML中元素属性对象，直接上代码：

NameNodeMap attributes = element.getAttributes();

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

　　Node attribute = attributes.item(i);

　　String name = attribute.getNodeName();    //属性名

　　String value = attribute.getNodeValue();     //属性值

}