Java解析XML(DOM解析和SAX解析)

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D

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。 在这里插入图片描述 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

DOM SAX
基于树 ,在内存中是持久的,可以修改其内容 基于事件,类似于流媒体,分析能够立即开始,而不是等待所有的数据被处理
在内存中建立文件树,不适于处理大型的XML文件。 依序读入文件并产生相对应事件,可以处理任何大小的XML文件。
可以随意存取文件树的任何部分,没有次数限制 只能对文件按顺序剖析一遍,不支持对文件的随意存取
可以随意修改文件树,从而修改了XML文件 只能读取XML文件内容,而不能修改
易于理解,易于开发 开发上比较复杂,需要自己来制作事件处理器
已经在DOM基础之上建立了文件树 对工作人员更灵活,可以用SAX建立自己的XML对象模型
SAX 和 DOM 不是相互排斥的,我们可以使用 DOM 来创建 SAX 事件流,也可以使用 SAX 来创建 DOM 树。

1.5 XML与HTML的区别

XML HTML
XML即ExtentsibleMarkup Language(可扩展标记语言),是用来定义其它语言的一种元语言,其前身是SGML(标准通用标记语言)。 HTML(HyperTextMark-upLanguage)即超文本标记语言,是WWW的描述语言。
XML被设计用来描述数据,其焦点是数据的内容 HTML被设计用来显示数据,其焦点是数据的外观。
xml将数据和显示分开。 Html将数据和显示结合在一起,在页面中把这数据显示出来
xml是用来描述数据、存放数据的,所以可以作为持久化的介质 html是用来显示数据的
XML标签是免费的、自定义的、可扩展的 Html标签是预定义的
在xml中严格区分大小写 在html中不区分大小写
在XML中,是严格的树状结构,绝对不能省略掉结束标记。 在HTML中,有时不严格,如果上下文清楚地显示出段落或者列表键在何处结尾,那么你可以省略</p>或者</li>之类的结束标记。
在XML中,属性值必须分装在引号中 在HTML中,引号是可用可不用的。
在XML中,所有的属性都必须带有相应的值。 在HTML中,可以拥有不带值的属性名。
在XML文档中,空白部分不会被解析器自动删除。 html是可以过滤掉空格的。
xml没有固有的标记 html使用固有的标记,如</p>或者</li>

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。 在这里插入图片描述

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。 在这里插入图片描述 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。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/4503.html

(0)
编程小号编程小号
上一篇 2022-12-27 21:28
下一篇 2023-04-10

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注