第8章《使用 JAVA 语言对 XML 数据进行解析》

8.使用Java语言对XML数据进行解析Java语言和XML数据格式都被认为是过去数十年中最为重要的IT技术之一。Java为编程提供了一种与平台无关的语言，从而导致了程序开发领域的一场革命。XML为数据交换提供了一种与平台无关的表现形式，从而使得这场革命更加激烈、更加彻底。Java和XML之间存在有许多相似的特性，比如平台无关性、可扩展性、可重用性和国际化支持。XML和Java常常被认为是完美的组合，使用XML的半结构化模型描述各种各样的业务数据、表达复杂的业务信息，后台则使用Java语言来实现独立于平台的、易于处理的面向对象的应用软件解决方案。用于XML数据处理的JavaAPIIBM、Apache以及其他许多公司，开发了很多用于XML数据处理的JavaAPI。从JDK1.4开始，Sun公司将一些非常重要的代码库集成到了Java2平台之中，并不断升级更新，直到JDK1.6。在尚未发布的Java7中，Sun公司努力实现对XML的语言级支持。对于其它的语言也同样如此（比如C++、Perl、.NET），作为一名程序开发人员，需要在首先了解XML相关技术的基础上，熟练掌握有关XML数据处理的程序开发技巧，才能顺利完成开发任务。JDK1.6中面向XML的JAVAAPI用于XML数据处理的JAVAAPI（JavaAPIforXMLProcessing，JAXP）。JAXP对应于JDK中的javax.xml包及其部分子包、org.w3c.dom包及其子包、org.xml.sax包及其子包；用于XML数据绑定的JavaAPI（JavaAPIforXMLBinding，JAXB），对应于JDK中的javax.xml.bind包及其子包；用于基于XML的RPC的JavaAPI（JavaAPIforXML-basedRPC，JAX-RPC），对应于JDK中的javax.jws包及其子包；用于带附件的SOAP消息的JAVAAPI（SOAPwithAttachmentsAPIforJava，SAAJ），对应于JDK中的javax.xml.soap包及其子包；用于基于XML的Web服务的JavaAPI（JavaAPIforXML-basedWebservices，JAX-WS），对应于JDK中的javax.xml.ws包及其子包；用于XML加密签名的JavaAPI，对应于JDK中的javax.xml.crypto包及其子包；8.1XML数据解析的概念及JAXP简介XML解析器实际上就是能够识别XML基本语法形式的特殊应用程序，并将纯文本的XML文档转换成其他某种内存中表现形式（比如XML文档树、或者一系列的解析事件），以便客户端应用程序能够方便地对XML文档中的数据进行访问、提取、检索。Xerces来自IBM在1999年捐赠给Apache的XML4J项目，随后成为了ApacheXMLProject的子项目。但由于XML技术的迅速发展，在2004年，Xerces解析器成为了ApacheSoftwareFoundation的顶级项目（独立项目）。DOM和SAX解析模型简介DOM（DocumentObjectModel）是W3C的规范（），是一种与浏览器、平台、语言无关的接口，可用于表示各种半结构化的、层次模型的数据（比如HTML、XML等）。SAX（SimpleAPIforXML）是顺序读取XML的解析器API，是一个为基于事件XML解析器定义的、免费的、并且与平台、语言无关的API。由XML-Dev邮件列表组织（由许多XML方面的专家和开发人员组成）开发而来，并且已经成为了一种XML数据处理的事实上的标准。DOM解析模型DOM是以层次结构组织的节点或信息片断的集合，是XML数据的一种树型表示，通过树中的各种节点、以及节点之间的父子关系来表示XML文档中的元素、属性、文本内容，以及元素之间的嵌套关系。这个层次结构允许开发人员在树中寻找特定信息，并对其中的数据进行修改和创建。SAX解析模型SAX解析器采用了基于事件的模型，它在解析XML文档的时候可以触发一系列的事件（如图8-2中所示），当发生相应事件时，将调用一个回调方法，回调方法的编写是数据解析的关键。?xmlversion=1.0?configserverUNIX/server/configStartdocumentStartelement(config)Characters(whitespace)Startelement(server)Characters(UNIX)Endelement(server)Characters(whitespace)Endelement(config)EnddocumentJAXP简介JAXP是JavaAPIforXMLProcessing的首字母缩写（读作jaks-p），是SUNJavaJDK中的XML编程API，它为解析、处理、验证XML文档数据的基本功能提供了相应的编程接口。作为处理XML数据的Java抽象层，JAXP规范本身也在不断地发展，目前JDK1.6中的JAXP的版本为JAXP1.4。JAXP的本质XML解析器种类繁多，开发人员希望不修改源代码就能够更换底层所使用的XML解析器呢，这就必须“对抽象进行编程”，以实现底层解析器的可插入性。8.2在JAXP中使用DOM解析器处理XML文档+newInstance():DocumentBuilderFactoryDocumentBuilderFactory+newDocumentBuilder():DocumentBuilderConcreteDocumentBuilderFactory1+newDocumentBuilder():DocumentBuilderConcreteDocumentBuilderFactory2DocumentBuilder+parse():DocumentConcreteDocumentBuilder1+parse():DocumentConcreteDocumentBuilder2+org.w3c.dom.Document接口中的各种操作()接口Document+Document接口操作实现()Document1+Document接口操作实现()Document2解析器1解析器2DocumentBuilderFactorydbf=DocumentBuilderFactory.newInstance();try{DocumentBuilderbuilder=dbf.newDocumentBuilder();DocumentdomDoc=builder.parse(fileName);}catch(ParserConfigurationExceptione){e.printStackTrace());};8.2.1使用JAXP在JAXP中，newInstance在确定具体解析器工厂实现类时，将按照下面的顺序进行搜索：1.使用javax.xml.parsers.DocumentBuilderFactory系统属性。2.使用JRE文件夹中的属性文件lib/jaxp.properties。此配置文件格式为标准的java.util.Properties且包含实现类的完全限定名，其中实现类的键是上述定义的系统属性。JAXP实现只读取一次jaxp.properties文件，然后缓存其值供以后使用。如果首次尝试读取文件时，文件不存在，则不会再次尝试检查该文件是否存在。首次读取jaxp.properties后，其中的属性值不能再更改。3.使用ServicesAPI（在JAR规范中进行了详细描述）来确定类名称。ServicesAPI将查找在运行时可用的jar中META-INF/services/javax.xml.parsers.DocumentBuilderFactory文件中的类名。4.平台默认的DocumentBuilderFactory实例。8.2.2DOM解析器编程接口org.w3c.xml.Node接口Node接口是整个文档对象模型的主要数据类型。它表示该文档树中的单个节点。Node接口中包含如下主要内容：表示节点类型的常量、及获得节点类型信息的方法；获得节点基本信息（名称、值）的方法；获得节点层次信息的方法；shortnodeType=node.getNodeType();switch(nodeType){caseNode.DOCUMENT_NODE:{...break;}caseNode.ELEMENT_NODE:{...break;}caseNode.ATTRIBUTE_NODE:{...break;}caseNode.TEXT_NODE:{...break;}......}获得节点的名称getNodeName()、节点的值getNodeValue()NodeListxNodeList=xNode.getChildNodes();for(inti=0;ixNodeList.getLength();){childNode=xNodeList.item(i);......}for(inti=0;iattrs.getLength();i++){AttrattrNode=attrs.item(i);//item()方法表示可以按某种顺序访问属性集合，而属性本身是没有顺序的。......}org.w3c.xml.Document接口Document接口表示整个HTML或XML文档。从概念上讲，它是文档树的根，并提供对文档数据的基本访问。请注意，文档的根元素节点并不是文档节点，文档节点在根元素节点之上，是一个无形的节点。Document接口还包含所需的、创建这些对象的工厂方法。文档节点Document接口中提供了一系列的create方法（所有的创建工作都必须使用文档节点），比如：createElement(StringtagName)创建指定类型的元素节点。createAttribute(Stringname)创建给定名称的Attr节点。createTextNode(Stringdata)创建指定字符串的Text节点。DocumentBuilderFactorydbf=DocumentBuilderFactory.newInstance();DocumentBuilderbuilder=dbf.newDocumentBuilder();Documentdoc=builder.newDocument();NodexNode1=doc.createElement(family);doc.appendChild(xNode1);NodexNode2=doc.createElement(parent);xNode1.appendChild(xNode2);NodexNode3=doc.createElement(child);xNode1.appendChild(xNode3);......org.w3c.xml.Element接口Element接口表示XML文档中的一个元素。可使用getAttributes()来获得元素所有属性的集合attributes（Node接口的方法）；可使用Node接口提供的getChildNodes()方法获得子元素列表。定义了getElementsByTagName(Stringname)，它将以文档顺序返回具有给定标记名称的所有后代元素的NodeList。org.w3c.xml.Attr接口Attr接口表示Element对象中的属性。通常该属性所允许的值定义在与文档相关的模式中。Attr对象继承Node接口，但由于它们实际上并不是相关元素的子节点，DOM不会将它们看作文档树的一部分。Node的属性parentNode、previousSibling和nextSibling都将返回null。如果要获得属性所属