Apusic對XML文件處理之分析（轉－請作者與我聯系）

1 ?????????????? 前言

本文闡述了 Apusic 對 XML 文件處理的詳細分析，及其現有情況下 Apusic 對 XML 文件解析存在的問題。

2 ?????????????? Apusic 如何處理 XML 文件

Apusic 服務器對于 XML 文件解析應該分為兩種情況：一種 Apusic 需要加載的 XML 文件。如 :Apusic 的配置文件， J2EE 應用的 web.xml,application.xml 文件等。另外一種是用戶代碼中使用 DocumentBuilderFactory ， SAXParserFactory 來解析自己的 XML 文件。對于上面兩種情況的 XML 文件， Apusic 是予以不同處理的。以下對此做具體說明。

2.1 ???? 解析 Apusic 的配置文件及其 J2EE 應用的 web.xml,application.xml…etc

對于這一塊的解析，我們現在是采用自己的 XML 解析器來實現的，我們自己的 XML 解析器就是 com.apusic.xml.parsers ， com.apusic.xml.reader 下的相關類來處理的，和朱華明討論過，我們對于上述文件采用自己的解析器處理是存在優勢的。因為我們對這些文件的結構很了解。效率應該會高于任何第三方的 XML 解析器。但是我們的解析器可能也會存在一些不足的地方，對于一些復雜的 XML 結構的處理可能會存在問題。由于考慮到效率問題，所以這一塊應該不需要使用第三方的 XML 解析器，還是使用我們自己的解析器為好。

2.2 ???? 用戶代碼中解析自己的 XML 文件

用戶應用程序使用 DocumentBuilderFactory, SAXParserFactory 對自己的 XML 解析時，由于我們在 Apusic.jar 中，對 META-INF/service/ 文件夾下設置了 javax.xml.parsers.DocumentBuilderFactory , javax.xml.parsers.SAXParserFactory 兩個屬性的值，并指向了 Xerces, 所以用戶在解析 XML 時，缺省情況下使用的就是 Xerces API 進行操作的。因此這一塊應該是不會存在問題。

至于設置此屬性后是如何利用 Xerces API 進行解析 XML 的原理，當你閱讀了 Java 相關源代碼后就可以明白。具體可以閱讀 javax.xml.parsers 包下的 DocumentBuilderFactory.class,SAXParserFactory.class 類的 newInstance 方法。

3 ?????????????? 現存問題分析

現在我們會遇到修改 Apusic 配置文件后， Apusic 無法啟動的情況。這種情況主要是因為我們使用了自己的 XML 解析器。而我們的解析器在處理 UTF-8 編碼文件時存在問題，因為文本文件在文件的頭部存在 BOM? (Byte Order Mark) 標識 , 而這個 BOM 標識是用來表示文件的字節順序。對于不同編碼格式的文件存在不同的 BOM 標識 , 文件的 BOM 標識規范可以參考下表（表 1 ），由于 UTF-8 文件不存在字節順序的問題，所以這個文件 BOM 標識在 UTF-8 編碼方式下是可有可無的。而當我們修改配置文件并保存后，如果存在 BOM 標識，我們的解析器就會出錯，不存在 BOM 標識時，我們的解析器就能夠正確工作。所以我們需要在解析 UTF-8 的時候，判斷頭部是否包含 UTF-8 的 BOM 標識，如果有就需要跳過去。代碼修改主要是在 XmlReader.java 文件中做如下處理：

?

?

( 表 1)

?

為什么我們對 UTF-16,UTF-32 等編碼方式文件存在 BOM 標識時沒有問題呢？其實這個問題應該是 Java 的一個 bug ， Java 的文本流在處理其他編碼方式的時候能夠很好的處理這個 BOM 標識，但是對于 UTF-8 編碼時不能夠正確處理。該 bug 可以參考以下地址：

http://bugs.sun.com/bugdatabase/view_bug.do?bug_id=4508058

?

posted on 2008-03-06 21:19 zYx.Tom 閱讀(998) 評論(2)  編輯  收藏