Java解析XML(DOM解析和SAX解析)

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第26天，点击查看活动详情。

前言：在程序中访问和操作XML文件一般有两种模型：DOM（文档对象模型）和流模型；在本篇文章中分别对应DOM解析和SAX解析。

1 .DOM解析与SAX解析的相关知识点

1.1 DOM

• 文档对象模型（Document Object Model，简称DOM），是W3C制定的标准接口规范，是一种处理HTML和XML文件的标准API。
• 将HTML或XML文档转化为DOM树的过程称为解析(parse)。HTML文档被解析后，转化为DOM树，因此对HTML文档的处理可以通过对DOM树的操作实现。DOM模型不仅描述了文档的结构，还定义了结点对象的行为，利用对象的方法和属性，可以方便地访问、修改、添加和删除DOM树的结点和内容。
• DOM分为HTML DOM和XML DOM两种。它们分别定义了访问和操作HTML和XML文档的标准方法，并将对应的文档呈现为带有元素、属性和文本的树结构（节点树），如下图所示。
  1. DOM树定义了HTML/XML文档的逻辑结构，给出了一种应用程序访问和处理XML文档的方法。
  2. 在DOM树中，有一个根节点，所有其他的节点都是根节点的后代。
  3. 在应用过程中，基于DOM的HTML/XML分析器将一个HTML/XML文档转换成一棵DOM树，应用程序通过对DOM树的操作，来实现对HTML/XML文档数据的操作。 来自百度百科

1.2 DOM解析

• DOM是基于属性结构的XML解析方式，会将整个XML文档读入内存并构建一个DOM树，基于这棵树型结构对各个节点进行操作。XML文档中每个成分都是一个节点，整个文档是一个文档节点，每个XML标签对应一个元素节点，包含在XML标签中的文本是文本节点，每一个XML属性是一个属性节点，注释属于注释节点。

• DOM树所提供的随机访问方式很灵活方便，可以任意地控制整个XML文档中的内容，但是DOM分析器把整个XML文件转化为DOM树放到了内存中，即在处理过程中整个文档都表示在内存中。当文档比较大或者结构比较复杂时，对内存需求比较高。

1.3 SAX解析

• JAVA 解析 XML 通常有两种方式:DOM 和SAX。DOM（文档对象模型）是W3C标准，提供了标准的解析方式，但其解析效率一直不尽如人意，这是因为DOM解析XML文档时，把所有内容一次性的装载入内存，并构建一个驻留在内存中的树状结构（节点树），图见章节1.1。如果需要解析的XML文档过大，或者我们只对该文档中的一部分感兴趣，这样就会引起性能问题。
• SAX（simple API for XML）是一种XML解析的替代方法。相比于DOM，SAX是一种速度更快，更有效的方法。它逐行扫描文档，一边扫描一边解析。而且相比于DOM，SAX可以在解析文档的任意时刻停止解析，但任何事物都有其相反的一面，对于SAX来说就是操作复杂。

1.4 DOM解析与SAX解析对比

1.5 XML与HTML的区别

2.Java中关于DOM解析实战(Dom4j解析)

本人之前写过关于Dom4j解析的博客，具体请参见本人另外一篇博客blog.csdn.net/MrYushiwen/…

ps:导包注意不要导错了，是org.dom4j下的包。

另外在 mybatis 中，解析XML文件采用的是DOM + XPath 方式进行对配置文件的加载和解析 XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。 是一种为查询 XML 文档而设计的语言， 因为 DOM 解析 XML 的方式会将整个 XML 内容加载到内存并形成树形结构，所以 XPath 可以配合 DOM 进行对 XML 的解析。 上述图片来自百度百科，对于XPath感兴趣的同学可以参考百度百科，上面描述得很清楚，链接：baike.baidu.com/item/XPath/…

3.DOM方式解析XML的时候encoding属性的作用

规定：

W3C定义了三条XML解析器如何正确读取XML文件的编码的规则：

1. 如果文本文件头部有BOM（Byte Order Mark），即字节顺序标记（它是在Unicode编码标准中用于标识文件是采用哪种格式的编码），就按照BOM来。
2. 如果没有BOM，就查看XML声明的编码属性。
3. 如果上述两个都没有，就假定XML文档采用UTF-8编码。

也就是说XML解析器首先根据文件的BOM来解析文件；如果没找到BOM，由用XML里的encoding属性指定的编码；如果xml里encoding没指定的话，就默认用utf-8来解析文档。然后又可以推出，BOM和ENCODING都有的话，则以BOM指定的为准。

具体内容见本人另一篇博文：blog.csdn.net/MrYushiwen/…

3.SAX解析

注意导包不要导错了

import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;

import javax.xml.parsers.ParserConfigurationException;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;
import java.io.IOException;

public class SAXParseDemo {
    public static void main(String[] args) {
        //1.创建解析工厂
        SAXParserFactory saxParserFactory = SAXParserFactory.newInstance();
        //2.创建解析器
        try {
            SAXParser saxParser = saxParserFactory.newSAXParser();
            //3.通过解析器的parse方法
            saxParser.parse("C:\\Users\\yclw060\\Desktop\\11.xml",new MyDefaultHandler());
        } catch (ParserConfigurationException e) {
            e.printStackTrace();
        } catch (SAXException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }

    }
}

class MyDefaultHandler extends DefaultHandler{
    @Override
    public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
        //找到开始标签，输出标签名
        System.out.println(qName);
    }

    @Override
    public void characters(char[] ch, int start, int length) throws SAXException {
        //标签内的文体生成String，然后输出
        System.out.println(new String(ch,start,length));
    }

    @Override
    public void endElement(String uri, String localName, String qName) throws SAXException {
        //输出结束标签名
        System.out.println(qName);
    }
}

4.JAXP简介

JAXP（Java API for XMLProcessing，意为XML处理的Java API）是Java XML程序设计的应用程序接口之一，它提供解析和验证XML文档的能力。 JAXP解析XML的三种基本接口为：

1. 文档对象模型解析接口或DOM接口
2. XML简单API解析接口或SAX接口
3. XML流API或StAX接口（是JDK 6的一部分，为JDK 5提供单独的包）
4. 除了解析接口，JAXP还提供了XSLT接口用来对XML文档进行数据和结构的转换。

上面3个章节中已对前两种解析方式做了具体分析，下面对剩下的两种方式做简要说明：

4.1 StAX接口

• 全称 Streaming API for XML，一种全新的，基于流的JAVA XML解析标准类库。
• StAX 解析方式和 SAX 解析方式相似，它也是把 XML 文档作为一个事件流进行处理，但不同之外在于 StAX 采用的是拉模式，而SAX采用的是推方式。
  • 推模型：就是我们常说的SAX，它是一种靠事件驱动的模型。当它每发现一个节点就引发一个事件，而我们需要编写这些事件的处理程序。这样的做法很麻烦，且不灵活。
  • 拉模型：在遍历文档时，会把感兴趣的部分从读取器中拉出，不需要引发事件，允许我们选择性地处理节点。这大大提高了灵活性，以及整体效率
• StAX的设计介于DOM和SAX接口之间，在它的隐喻中，程序的入口点是一个代表文档中一个位置的光标。应用程序可以按需向前移动光标 – 从解析器中“拉”出信息。这与基于事件的API（如SAX）不同，SAX将数据“推”给应用程序，要求应用程序维护事件间的状态，如果应用需要知道在文档中的位置信息。

4.2 XSLT接口

简介：

• XSLT（可扩展样式表转换语言）允许将XML文档转换为数据其他形式。应用程序使用javax.xml.transform包中的接口可以进行XSLT转换。
• 接口最初被称为TrAX （Transformation API for XML），是由许多Java XSLT处理器的开发人员通过非正式协作开发的。

接口的主要特性包括：

• 工厂类javax.xml.transform.TransformerFactory可以使应用动态地选择使用哪一个XSLT处理器。
• TransformerFactory上的方法用来创建javax.xml.transform.Templates对象, 表示样式表的编译后的形式。这是一个线程安全的对象，可以重复使用，顺序或并发，在多个源文档上应用同一个样式表（或用用一个源文档，不同的参数）
• Templates上的方法可以创建javax.xml.transform.Transformer，表示样式表的可执行形式。Transformer不可以在线程间共享，虽然也是可重用的。Transformer提供方法设置样式表参数和序列化选项（例如，输出是否缩进），以及一个实际运行转换的方法。
• JAXP定义了javax.xml.transform.Source和javax.xml.transform.Result两个抽象接口来表示转换的输入和输出。某种程度上，这是非常规使用Java接口，这是因为并不期待一个处理器会接受任何实现该接口的类，每一个处理器可以选择支持那些Source和Result的处理。实际上所有JAXP处理器支持三种标准类型的Source （DOMSource，SAXSource，StreamSource）以及三种标准类型的Result （DOMResult，SAXResult，StreamResult）以及处理器自己的实现。