XML解析入门（Java版）

Posted 2021-03-30 码踏飞燕

XML解析常见的方式有三种，这三种方式都是JDK原生支持的解析方式，分别是：

① DOM（Document Object Model）解析方式

② SAX（Simple API for XML）解析方式

③ 从JDK6.0版本开支持的StAX（Streaming API for XML）解析方式

01

DOM

DOM是基于树形结构的XML解析方式，它会将整个XML文档读入内存并构建一个DOM树，基于这棵树形结构对各个节点（Node）进行操作。

XML文档中的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

优点：

① DOM解析方式最主要的好处是易于编程，可以根据需求在树形结构的各节点之间导航。例如导航到当前节点的父节点、兄弟节点、子节点等都是比较方便的，这样就可以比较轻动地获取到需要的数据。

② 可以很容易的添加和修改树形结构中的元素。

缺点：

① 因为要将整个XML文档加载进内存并构建树形结构，当XML文档数据量较大时，会造成较大的资源消耗。

02

SAX

SAX是基于事件模型的XML解析方式，它并不需要将整个XML文档加载进内存，而只需要将XML文档的一部分加载进内存即可开始解析，在处理过程中并不会在内存中记录XML中的数据，所以占用的资源比较小。当程序处理过程中满足条件时，也可以立即停止解析过程，这样就不必解析剩余的XML美容。

当SAX解析器解析到某类型的节点时，会触发注册在该类型节点上的回调函数，开发人员可以根据自己感兴趣的事件注册相应的回调函数。一般情况下，开发人员只需继承SAX提供的DefaultHandler基类，重写相应事件的处理方法并进行注册即可。如下图，事件是由解析器产生并通过回调函数发送给应用程序的，这种模式称为“推模式”。

缺点：

① 因为不存储XML文档的结构，所以需要开发人员自己负责维护业务逻辑涉及的多层节点之间的关系，例如，某节点与其父节点之间的父子关系。当XML文档相当复杂时，维护节点之间关系的复杂度也较高，工作量也就会比较大。

② 因为是流式处理，所以处理过程只能从XML文档开始向后单向进行，无法像DOM方式那样，自由导航到之前处理过的节点上重新处理，也无法支持XPath（后面会讲到）。

03

StAX

JAXP是JDK提供的一套用于解析XML的API，它很好地支持DOM和SAX解析方式，JAXP是JavaSE的一部分，它由javax.xml、org.w3c.dom、org.xml.sax包及其子包组成。从JDK6.0开始，JAXP开始支持SjAX解析方式。

StAX解析方式与SAX解析方式类似，也是把XML文档作为一个事件流进行处理，不同之处在于StAX采用的是“拉模式”，即应用程序通过调用解析器推进解析的流程。在StAX解析方式中应用程序控制着整个解析过程的推进，可以简化应用处理XML文档的代码，并且决定何时停止解析，而且StAX可以同时处理多个XML文档。

StAX包含两套处理XML文档的API，分别提供了不同程度的抽象：

① 基于指针的API，这是一种低层的API，效率高但是抽象程度较低。

② 基于迭代器的API，它允许应用程序把XML文档作为一系列事件对象来处理，效率略低但是抽象程度较高。

04

XPath入门

之所以要讲讲XPath，是因为XPath是DOM解析的不可或缺的工具。MyBatis在初始化过程中，会逐步解析配置XML和众多映射XML，使用的是DOM解析方式，并结合XPath。

DOM解析会将整个XML文档加载进内存形成一颗树形结构，而XPath是一种为查询XML文档而设计的语言，与DOM解析方式配合使用，实现对XML文档的解析。XPath于XML就好比SQL语句于mysql一样重要。

XPath使用路径表达式来选取XML文档中指定的节点或者节点集合，与常见的URL路径有些类似。

常用的XPath表达式：

表达式	含义
nodename	选取指定节点的所有子节点
/	从根节点选取指定节点
//	根据指定的表达式，在整个文档中选取匹配的节点，这里并不会考虑匹配节点在文档中的位置
.	选取当前节点
..	选取当前节点的父节点
@	选取属性
*	匹配任何元素节点
@*	匹配任何属性节点
node()	匹配任何类型的节点

text()	匹配文本节点
|	选取若干个路径
[]	指定某个条件，用于查找某个特定节点或包含某个指定值的节点

JDK 5.0推出了javax.xml.xpath包，它是一个引擎和对象模型独立的XPath库。下面就以一个XPath结合DOM解析方式的示例，会存在一个XML文件library.xml，里面定义了多本书籍的信息，还有一个DTD文件library.dtd，它是约束library.xml文件的规范，可以转场至  了解学习，若没有这份规范，程序会报错：

org.xml.sax.SAXParseException; systemId: file:.../test/library.xml; lineNumber: 13; columnNumber: 10; 文档根元素 "library" 必须匹配 DOCTYPE 根 "null"。

这里先贴出XML文件和DTD文件，library.xml和library.dtd要放在同一目录下：

library.xml

<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE library SYSTEM "library.dtd"><library> <book year="2000" month="4"> <title>西游记</title> <author>吴承恩</author> <publisher>中华书局</publisher> <price>50.5</price> </book> <book year="2005" month="9"> <title>红楼梦</title> <author>曹雪芹</author> <publisher>长江书局</publisher> <price>78</price> </book> <book year="1995"> <title>&default_book_name;</title> <author>罗贯中</author> <publisher>中华书局</publisher> <price>78</price> </book></library>

library.dtd

<!ELEMENT library (book+)><!ELEMENT book (title,author,publisher,price)><!ELEMENT title (#PCDATA)><!ELEMENT author (#PCDATA)><!ELEMENT publisher (#PCDATA)><!ELEMENT price (#PCDATA)>
<!ATTLIST book year CDATA #IMPLIED><!ATTLIST book month (1|2|3|4|5|6|7|8|9|10|11|12) "2">
<!ENTITY default_book_name "三国演义">

再来编写XPath表达式：

查询所有书籍：//book查找作者为 罗贯中 的所有图书：//book[author='罗贯中']查找作者为 罗贯中 的所有图书的标题节点：//book[author='罗贯中']/title查找作者为 罗贯中 的所有图书的标题文本：//book[author='罗贯中']/title/text()

Java编程：

import org.junit.Test;import org.w3c.dom.Document;import org.w3c.dom.NodeList;import org.xml.sax.ErrorHandler;import org.xml.sax.SAXException;import org.xml.sax.SAXParseException;
import javax.xml.parsers.DocumentBuilder;import javax.xml.parsers.DocumentBuilderFactory;import javax.xml.parsers.ParserConfigurationException;import javax.xml.xpath.*;import java.io.IOException;
/** * <p>XPath UT</p> * * @author fuqinqin3 * @version 1.0 * @date 2021/2/4 10:37 */public class XPathTest { @Test public void test() throws ParserConfigurationException, IOException, SAXException, XPathExpressionException { DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance();
 // 开启验证 documentBuilderFactory.setValidating(true); documentBuilderFactory.setNamespaceAware(false); documentBuilderFactory.setIgnoringComments(true); documentBuilderFactory.setIgnoringElementContentWhitespace(false); documentBuilderFactory.setCoalescing(false); documentBuilderFactory.setExpandEntityReferences(true);
 // 创建DocumentBuilder DocumentBuilder documentBuilder = documentBuilderFactory.newDocumentBuilder(); // 设置异常处理对象 documentBuilder.setErrorHandler(new ErrorHandler() { @Override public void warning(SAXParseException exception) throws SAXException { System.out.println("warning: " + exception.getMessage()); throw exception; }
 @Override public void error(SAXParseException exception) throws SAXException { System.out.println("error: " + exception.getMessage()); throw exception; }
 @Override public void fatalError(SAXParseException exception) throws SAXException { System.out.println("fatalError: " + exception.getMessage()); throw exception; } });
 // 将文档加载进一个Document对象中 Document document = documentBuilder.parse("src/test/resources/mybatis/test/library.xml");
 // 构建XPathFactory XPathFactory xPathFactory = XPathFactory.newInstance(); // 创建XPath对象 XPath xPath = xPathFactory.newXPath();
 System.out.println("查询作者为罗贯中的图书标题："); // 编译XPath表达式 XPathExpression xPathExpression = xPath.compile("//book[author='罗贯中']/title/text()"); // 通过XPAth表达式得到结果，第一个参数制定了XPath表达式进行查询的上下文节点，也就是指定节点下查找符合XPath的节点， // 本例中的上下文节点是整个文档；第二个参数制定了XPath表达式的返回类型 Object result1 = xPathExpression.evaluate(document, XPathConstants.NODESET); NodeList nodeList = (NodeList) result1; for (int i = 0; i < nodeList.getLength(); i++) { System.out.println("	" + nodeList.item(i).getNodeValue()); }
 System.out.println("查询1997年之后的图书的标题："); NodeList result2 = (NodeList) xPath.evaluate("//book[@year>1997]/title/text()", document, XPathConstants.NODESET); for (int i = 0; i < result2.getLength(); i++) { System.out.println("	" + result2.item(i).getNodeValue()); }
 System.out.println("查询1997年之后的图书的属性和标题："); NodeList result3 = (NodeList) xPath.evaluate("//book[@year>1997]/@*|//book[@year>1997]/title/text()", document, XPathConstants.NODESET); for (int i = 0; i < result3.getLength(); i++) { System.out.println("	" + result3.item(i).getNodeValue()); } }}

执行结果：

查询作者为罗贯中的图书标题： 三国演义查询1997年之后的图书的标题： 西游记 红楼梦查询1997年之后的图书的属性和标题： 4 2000 西游记 9 2005 红楼梦

注意：

① XPathExpression.evaluate()方法的第二个参数，它指定了XPath表达式查找的结果类型，在XPathCOnstants类中提供了 nodeset，boolean，number，string 和 Node 五种类型。

② 如果XPath表达式只使用一次，可以跳过编译步骤直接调用XPath对象的evaluate()方法进行查询，但是如果同一个XPath表达式要重复执行多次，建议还是先执行编译，这样性能会好一些。类似于正则表达式Patten的用法。

曾梦想仗剑走天涯

看一看世界的繁华

年少的心总有些轻狂

如今你四海为家