xml文件解析辦法
xml是為了提高web數(shù)據(jù)交換量而出現(xiàn)的，雖然他現(xiàn)在web應(yīng)用中并不廣泛，但是由于他的格式良好，經(jīng)常被用做配置文件的格式。比如tomcat的主配置文件server.xml，web.xml等等。
首先我們看一下需求。我們的目的主要是提取xml文件中的特定內(nèi)容，又因?yàn)閤ml文件本身的格式良好，這種查詢是非常有規(guī)律的，非常有利于我們找到需要的信息。有時我們還可能把特定信息寫回xml中，但是這種需求并不是必需的，因?yàn)榕渲梦募疾粫螅覀兺耆梢酝ㄟ^手工辦法進(jìn)行修改。
對xml進(jìn)行解析的標(biāo)準(zhǔn)有兩種，sax以及dom。
首先這兩種標(biāo)準(zhǔn)并不是針對java的，他們在各種語言環(huán)境下都可以實(shí)現(xiàn)。dom是真正的國際標(biāo)準(zhǔn)。sax是事實(shí)的標(biāo)準(zhǔn)，他不由任何商業(yè)組織維護(hù)，而是由一個非商業(yè)的組織在運(yùn)作。就像iso7層模型和tcp/ip一樣，雖然sax不是正式的標(biāo)準(zhǔn)，但是一點(diǎn)不影響他在xml解析領(lǐng)域的地位。
dom實(shí)現(xiàn)的原理是把整個xml文檔一次性讀出，放在一個樹型結(jié)構(gòu)里。在需要的時候，查找特定節(jié)點(diǎn)，然后對節(jié)點(diǎn)進(jìn)行讀或?qū)憽Ｋ闹饕獌?yōu)勢是實(shí)現(xiàn)簡單，讀寫平衡；缺點(diǎn)是比較占內(nèi)存，因?yàn)樗颜麄€xml文檔都讀入內(nèi)存，文件越大，這種缺點(diǎn)就越明顯。
sax的實(shí)現(xiàn)方法和dom不同。他只在xml文檔中查找特定條件的內(nèi)容，并且只提取需要的內(nèi)容。這樣做占用內(nèi)存小，靈活，正好滿足我們的需求。他的缺點(diǎn)就是寫，有些資料介紹了寫入的方法，但是我感覺這對本例沒有必要。后面主要講解用sax2.0實(shí)現(xiàn)xml文檔解析。
首先講一下sax的工作流程，以下面的book.xml為例（不做dtd定義的驗(yàn)證，如果有這方面需求，可以查更詳細(xì)的文檔）。
<?xml version="1.0"?>
<books>
<book type="computer">
<title>java 2</title>
<page>600</page>
<author>Jim</author>
</book>
<book type="fiction">
<title>fly to moon</title>
<page>300</page>
<author>Vernia</author>
</book>
</books>
1.我們需要注冊一個實(shí)現(xiàn)了sax標(biāo)準(zhǔn)的解析器，sun,java,apache等廠商和組織都實(shí)現(xiàn)了自己的解析器，大家可以直接拿過來用。
2.然后告訴解析器，我們會用哪個xml解析程序來處理xml文檔。這個解析程序是由我們自己來實(shí)現(xiàn)的。
3在解析開始時，解析器會觸發(fā)解析程序的startDocument()方法，告訴應(yīng)用程序，文檔解析開始了。
要注意以下幾點(diǎn)：
1.區(qū)分解析器，解析程序的概念。
2.sax實(shí)現(xiàn)是事件驅(qū)動的，由解析器觸發(fā)應(yīng)用程序，而不是由應(yīng)用程序來調(diào)用解析器。這和ui里的Actionlistener實(shí)現(xiàn)差不多。
3.startDocument()方法是由ContentHandler接口定義的，我們必須要實(shí)現(xiàn)他。xml解析程序就是用來實(shí)現(xiàn)這些方法的。為什么要這么做？因?yàn)閟ax不會定義在接收到方法觸發(fā)后，會采取什么動作。只有我們自己才知道在解析的過程中，我們會做什么。不明白沒有關(guān)系，再往下看。
4.當(dāng)遇到<books>后，解析器會觸發(fā)解析程序的startElement()方法，告訴應(yīng)用程序，我遇到一個開始的標(biāo)簽。這個startElement()方法也是由ContentHandler接口定義的，他只是提醒應(yīng)用程序他遇到一個標(biāo)簽的開始，至于是什么標(biāo)簽，他不知道，也不想知道。而由xml解析程序?qū)崿F(xiàn)了的startElement()方法，功能就大了。比如我們可以判斷這個標(biāo)簽的內(nèi)容是什么，如果是books，好，正是我們需要的，要記到內(nèi)存里；如果不是，放棄，繼續(xù)往下走。
5.過了<books>后，解析器會觸發(fā)解析程序的characters()方法，告訴應(yīng)用程序，我遇到了標(biāo)簽的內(nèi)容。同樣的原理，由xml解析程序?qū)崿F(xiàn)了的characters()方法會處理這個內(nèi)容。當(dāng)然了如果是我們需要的，就留下；如果不是就放棄。在這個例子里，<books>后面是空格，沒有實(shí)際價值。
6.再往下遇到了<book type="computer">標(biāo)簽，同樣觸發(fā)的是startElement()方法。以此類推，在標(biāo)簽結(jié)束時，會觸發(fā)endElement()方法，在文檔結(jié)束時會觸發(fā)endDocument()方法。至于每次觸發(fā)一個方法后，產(chǎn)生什么動作，都是由我們的解析程序來控制的。
下面是一個程序例子，解析book.xml文件，把是book，并且類型是fiction的內(nèi)容挑出來。
文件XmlParseAction，接收xml文件輸入，調(diào)用xml解析程序，并返回結(jié)果。
package myb.hi.sample.action;
import java.io.File;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import org.apache.struts.action.ActionForm;
import org.apache.struts.action.ActionForward;
import org.apache.struts.action.ActionMapping;
import org.apache.struts.actions.DispatchAction;
import org.xml.sax.*;
import org.apache.xerces.jaxp.*;
import myb.hi.sample.form.XmlFileForm;
import myb.hi.sample.business.*;
import javax.servlet.*;
public class XmlParseAction extends DispatchAction{
/**
* Accept the jsp request, parset the xml file
* @param mapping
* @param form
* @param request
* @param response
* @return ActionForward
*/
public ActionForward xmlParse(ActionMapping mapping, ActionForm form, HttpServletRequest request, HttpServletResponse response) throws Exception{
log.info("Start xml parse: XmlParseAction.xmlParse()");
XmlFileForm userForm=(XmlFileForm)form;
try{
//注冊一個解析器，我用的是apache xerces的，所以導(dǎo)入了org.apache.xerces.jaxp.*
XMLReader xmlReader=new SAXParserFactoryImpl().newSAXParser().getXMLReader();
//聲明一個XmlParseBusiness類，這個類就是我們自己的xml解析程序
XmlParseBusiness xmlParseBusiness=new XmlParseBusiness();
//把我們自己的解析程序注冊到解析器，告訴解析器誰來接收事件
xmlReader.setContentHandler(xmlParseBusiness);
//解析文件
// userForm.getFileName()是指定的xml文件名稱，本例子中就是book.xml
// getPath(servlet)方法找到book.xml的路徑
//.toURL().toString()把文件轉(zhuǎn)換成url形式
//parse()方法的參數(shù)為inputSource，可以是字符流，字節(jié)流或文件的url字符串，所以必須要把以上幾種轉(zhuǎn)換成inputSource
xmlReader.parse(new File(getPath(servlet)+"/WEB-INF/classes/"+userForm.getFileName()).toURL().toString());
request.setAttribute("iValue",xmlParseBusiness.getI());
request.setAttribute("bookList",xmlParseBusiness.getBookList());
log.info("End xml parse: XmlParseAction.xmlParse()");
}catch(Exception ex){
System.out.println("Action Exception: xmlParse, caused by: "+ex);
}
return mapping.findForward("xmlParseResult");
}
/**
* Return the absolute path of the servlet
*/
//這個方法就是查找此應(yīng)用程序的絕對路徑，供解析用，因?yàn)閟ax不會自動識別上下文路徑
private String getPath(Servlet servlet){
String strPath=servlet.getServletConfig().getServletContext().getRealPath("");
return strPath;
}
}
文件XmlParseBusiness，接收解析事件，查找符合book，類型是fiction的內(nèi)容
package myb.hi.sample.business;
import java.util.*;
import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.AttributesImpl;
import org.xml.sax.helpers.DefaultHandler;
// DefaultHandler是一個實(shí)現(xiàn)了ContentHander等接口的類，繼承這個類就不用挨個實(shí)現(xiàn)接口了
public class XmlParseBusiness extends DefaultHandler{
//定義整形變量i，存放共有幾本書
private int i=0;
//接收標(biāo)簽內(nèi)容，因?yàn)閏haracters()方法是以字符流的形式接收內(nèi)容，如果用string，有可能造成內(nèi)容缺失
private StringBuffer xmlContent=new StringBuffer();
//聲明一個mapp對象，并不做初始化
private HashMap bookMap=null;
//定義list對象，存放書的列表
private List bookList=new ArrayList();
//定義堆棧，存放上下文信息。在解析過程中，我們需要記錄一些信息，比如我現(xiàn)在是在<book></book>之間，等等。堆棧是一個很好的辦法，他采用后進(jìn)先出，后面定義的方法，有他的實(shí)現(xiàn)
private Stack context=new Stack();
/**
* Default Constructor
*/
public XmlParseBusiness(){
}
/**
* Start Document
*/
public void startDocument(){
}
/**
* End Document
*/
public void endDocument(){
}
/**
* Start Element
* @param uri
* @param localName
* @param qName
* @param attr
* @return void
*/
public void startElement(String uri, String localName,String qName,Attributes attribute) throws SAXException{
//聲明一個ElementDetails類的實(shí)例，這個類存放的就是標(biāo)簽信息，目的是放到堆棧中
ElementDetails elem=new ElementDetails(uri, localName,qName, attribute);
//把信息推入堆棧
context.push(elem);
//如果標(biāo)簽是<book>，就執(zhí)行下面代碼
if(qName.equals("book")){
//如果book類型是fiction，就執(zhí)行下面代碼
if(isFictionBook()){
//初始化bookMap為一個map對象實(shí)例
bookMap=new HashMap();
}
//給i自增，代表又多了一本書
i++;
}
//給stringbuffer清空，以便接收新內(nèi)容
xmlContent.setLength(0);
}
/**
* End Element
*/
public void endElement(String uri, String localName,String qName) throws SAXException{
//根據(jù)上下文做判斷，如果還在<book></book>之間
if(isBook()){
//如果是</title>
if(qName.equals("title")){
//把書名內(nèi)容放到map里
bookMap.put("title",xmlContent.toString());
//如果是</page>
}else if(qName.equals("page")){
//把書的頁數(shù)放到map里
bookMap.put("page",xmlContent.toString());
//如果是</author>
}else if(qName.equals("author")){
//把作者名稱放到map里
bookMap.put("author",xmlContent.toString());
//如果是</book>
}else if(qName.equals("book")){
//說明book標(biāo)簽結(jié)束了，把整本書放到列表里
bookList.add(bookMap);
}
}
//給stringbuffer清空，以便接收新內(nèi)容
xmlContent.setLength(0);
//把最后進(jìn)來的對象彈出堆棧，因?yàn)樗臉?biāo)簽已經(jīng)結(jié)束，沒有再存在的必要了（后進(jìn)先出
）
context.pop();
}
/**
* Get i value
*/
public int getI(){
return i;
}
/**
*Handle the context between the element
*@param ch[]
*@param start
*@param length
*@return void
*/
public void characters (char ch[], int start, int length) throws SAXException{
//把標(biāo)簽內(nèi)容存到一個stringbuffer對象里，以備處理
xmlContent.append(ch,start,length);
}
/**
* Get strA value
*/
public String getContent(){
return xmlContent.toString();
}
/**
* Return bookList
*/
public List getBookList(){
return bookList;
}
/**
* Define a internal Class, for transfor the element details
*/
//定義一個內(nèi)部類，接收標(biāo)簽元素信息，供堆棧用
private class ElementDetails {
private String uri;
private String localName;
private String qName;
private Attributes attribute;
/*
* Defalut Constructor
*/
public ElementDetails(String uri, String localName,String qName,Attributes attribute){
this.uri=uri;
this.localName=localName;
this.qName=qName;
//注意Attributes是一個接口，所以要把他轉(zhuǎn)化為一個AttributesImpl對象
this.attribute=new AttributesImpl(attribute);
}
public Attributes getAttribute() {
return attribute;
}
public void setAttribute(Attributes attribute) {
this.attribute = new AttributesImpl(attribute);
}
public String getLocalName() {
return localName;
}
public void setLocalName(String localName) {
this.localName = localName;
}
public String getQName() {
return qName;
}
public void setQName(String name) {
qName = name;
}
public String getUri() {
return uri;
}
public void setUri(String uri) {
this.uri = uri;
}
}
/**
* Estimate the element content, if it's 'book', return true, otherwise, false
*/
//利用堆棧，判斷是否還在<book></book>之間
private Boolean isBook(){
//判斷堆棧里對象數(shù)目，并做循環(huán)
for(int p=context.size()-1;p>=0;p--){
//把位置p出的對象取出來，是一個ElementDetails類的實(shí)例
ElementDetails elem=(ElementDetails)context.elementAt(p);
//如果這個標(biāo)簽的信息是<book>，返回true，不用再往下循環(huán)了。因?yàn)?lt;/book>后，會被彈出堆棧，所以不會有2個<book>在堆棧里。除非xml不規(guī)范，有相同的標(biāo)簽嵌套出現(xiàn)，像<book><book></book></book>這樣，但是在這里因?yàn)楹筮M(jìn)先出的原則不會出問題，相反程序里的其他判斷就要出亂子了
if(elem.getQName().equals("book")){
return true;
}
}
return false;
}
/**
* Estimate the element content, if it's a "fiction book", return true, otherwise, false
*/
private Boolean isFictionBook(){
for(int p=context.size()-1;p>=0;p--){
ElementDetails elem=(ElementDetails)context.elementAt(p);
if(elem.getQName().equals("book") && elem.getAttribute().getValue("type").equals("fiction")){
return true;
}
}
return false;
}
}
注意：上面程序只實(shí)現(xiàn)了ContentHandler接口的部分方法。并且對帶dtd驗(yàn)證的xml解析，以及錯誤處理沒有做講解和實(shí)例，感興趣的朋友可以自己去參考文檔。不過對于解析簡單的xml配置文檔，這些也足夠了。
Sax的api包含在j2se的api文擋中，在org.xml.sax包里。apache的xerces包，ibm，oracle等廠商發(fā)行的xml解析器包都會包含他。
Xerces是apache的子項(xiàng)目，專門做xml解析，他不僅包含了sax實(shí)現(xiàn)，也包含了dom實(shí)現(xiàn)。
最后講一下sax1和sax2的幾點(diǎn)差別：
1. sax2中，用XMLReader代替了Parser
2. sax2支持namespace
3. sax2中用ContentHandler代替了DocumentHandler
4. sax2 DefaultHandler代替了HandlerBase
Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1486724