來(lái)源：http://d23xapp2.cn.ibm.com/developerWorks/education/xml/xmljava/tutorial/xmljava-1-1.html

第一章 入門介紹

關(guān)于本教程
在本教程中，我們將討論如何使用一個(gè) XML 解析器來(lái)：
處理一個(gè) XML 文檔
創(chuàng)建一個(gè) XML 文檔
操作一個(gè) XML 文檔
我們也將討論一些有用而不為眾人所知的 XML 解析器特性。 最重要的，我們所討論的每個(gè)工具都可從 IBM 的 alphaWorks 站點(diǎn) (www.alphaworks.ibm.com) 和其它網(wǎng)站免費(fèi)獲得。

未討論的：

有些重要的編程概念并未在此介紹：
1 使用可視工具來(lái)構(gòu)建 XML 應(yīng)用
2 將一個(gè) XML 文檔從一種形式轉(zhuǎn)換到另一種
3 為最終用戶或其他進(jìn)程創(chuàng)建接口，及對(duì)后端存儲(chǔ)數(shù)據(jù)的接口
當(dāng)您構(gòu)建一個(gè) XML 應(yīng)用時(shí)，所有這些概念都是重要的。我們正在編制新的教程來(lái)討論它們，因此請(qǐng)常光顧我們的網(wǎng)址！

XML 應(yīng)用架構(gòu)

一個(gè) XML 應(yīng)用通常是基于一個(gè) XML 解析器而構(gòu)建的。它為其用戶提供了一個(gè)接口，以及對(duì)后端存儲(chǔ)數(shù)據(jù)的一個(gè)接口。

本教程關(guān)注于編寫使用 XML 解析器來(lái)操作 XML 文檔的 Java 代碼。如下邊圖片所示，本教程關(guān)注于中間那塊。







第二章 解析器基礎(chǔ)

基礎(chǔ)

一個(gè) XML 解析器是一段可以讀入一個(gè)文檔并分析其結(jié)構(gòu)的代碼。在本章節(jié)，我們將討論如何使用一個(gè) XML 解析器來(lái)讀入一個(gè) XML 文檔。我們也將討論不同類型的解析器以及您在何時(shí)使用它們。

本教程后面的章節(jié)將討論您從解析器可以獲得什么以及如何使用這些結(jié)果。

如何使用一個(gè)解析器

我們將在稍后的章節(jié)詳細(xì)討論它，但通常而言，您如下使用它：

1 創(chuàng)建一個(gè)解析器對(duì)象
2 將您的 XML 文檔傳遞給解析器
3 處理結(jié)果
構(gòu)建一個(gè) XML 應(yīng)用顯然遠(yuǎn)遠(yuǎn)超出這些，但通常一個(gè) XML 的應(yīng)用將包含這些流程。

解析器種類

有不同的方法來(lái)劃分解析器種類：

驗(yàn)證或非驗(yàn)證解析器
支持 Document Object Model (DOM) 的解析器
支持 Simple API for XML (SAX) 的解析器
用特定語(yǔ)言編寫的解析器 (Java, C++, Perl 等)

驗(yàn)證或非驗(yàn)證解析器

如我們?cè)诘谝粋�(gè)教程中所提及的，XML 文檔如果使用一個(gè) DTD 并符合 DTD 中的規(guī)則將被稱為有效文檔(valid document)。符合基本標(biāo)記規(guī)則的 XML 文檔被稱為格式正確文檔(well-formed document)。

XML 規(guī)范要求所有的解析器當(dāng)其發(fā)現(xiàn)一個(gè)文檔不是格式正確時(shí)要報(bào)錯(cuò)。驗(yàn)證(Validation)則是另一個(gè)問題了。驗(yàn)證解析器(Validating parser)在解析 XML 文檔同時(shí)進(jìn)行驗(yàn)證。非驗(yàn)證解析器(Non-validating parser) 忽略所有的驗(yàn)證錯(cuò)誤。換而言之，如果一個(gè) XML 文檔是格式正確的時(shí)，一個(gè)非驗(yàn)證解析器并不關(guān)注文檔是否符合其對(duì)應(yīng) DTD 所指定的規(guī)則(如果有的話)。

為何使用非驗(yàn)證解析器？

速度和效率。要一個(gè) XML 解析器處理 DTD 并確保每個(gè) XML 的元素符合在 DTD 中的規(guī)則需要相當(dāng)大的開銷。如果您確定一個(gè) XML 文檔是有效的(可能來(lái)自一個(gè)數(shù)據(jù)源)，那就沒有必要在次驗(yàn)證它了。

同樣，有時(shí)您所需要的只是從一個(gè)文檔中找出 XML 的標(biāo)記。一旦您有了這些標(biāo)記，您可以將數(shù)據(jù)從中提取出然后加以處理。如果這就是您所需要的，一個(gè)非驗(yàn)證解析器就是正確的選擇。

Document Object Model (DOM)

文檔對(duì)象模型(Document Object Model)是 World Wide Web Consortium(W3C) 的正式推薦。它定義了一個(gè)接口使得程序可以存取和更新 XML 文檔的風(fēng)格、結(jié)構(gòu)和內(nèi)容。支持 DOM 的 XML 解析器實(shí)現(xiàn)該接口。

該規(guī)范的第一版，DOM Level 1，可從 http://www.w3.org/TR/REC-DOM-Level-1 獲得， 如果您愿意閱讀規(guī)范的話。

DOM 解析器可提供什么

當(dāng)您用一個(gè) DOM 解析器來(lái)解析一個(gè) XML 文檔時(shí)，您將獲得一個(gè)包含文檔中所有元素的樹結(jié)構(gòu)。DOM 提供了不同的功能來(lái)檢查文檔的內(nèi)容和結(jié)構(gòu)。

關(guān)于標(biāo)準(zhǔn)

現(xiàn)在我們即將討論開發(fā) XML 應(yīng)用了，我們也要關(guān)注 XML 的標(biāo)準(zhǔn)。正式而言，XML 是 MIT(麻省理工) 的商標(biāo)和 World Wide Web Consortium (W3C)組織的產(chǎn)品。

XML 規(guī)范，W3C 的正式推薦，可從 www.w3.org/TR/REC-xml 下載。W3C 站點(diǎn)包含了 XML、DOM 以及一大堆 XML 相關(guān)標(biāo)準(zhǔn)的規(guī)范。

Simple API for XML (SAX)

SAX API 是另一種處理 XML 文檔內(nèi)容的方法。一個(gè)既成事實(shí)的標(biāo)準(zhǔn)，它由 David Megginson 和 XML-Dev 郵件列表其它成員所開發(fā)。

要查看完整的 SAX 標(biāo)準(zhǔn)，參見 www.megginson.com/SAX/。要參加 XML-Dev 郵件列表，發(fā)送郵件到 majordomo@ic.ac.uk 其中包含： subscribe xml-dev。

SAX 解析器可提供什么

當(dāng)您使用 SAX 解析器來(lái)解析 XML 文檔時(shí)，解析器在文檔的不同處將產(chǎn)生事件。由您來(lái)決定對(duì)每個(gè)事件如何處理。

SAX 解析器會(huì)在以下情況下產(chǎn)生事件：在文檔開始和結(jié)束時(shí)，在一個(gè)元素開始和結(jié)束時(shí)，或者它在一個(gè)元素中找到字符時(shí)，以及其它若干點(diǎn)。您可編寫 Java 代碼來(lái)處理每個(gè)事件，以及如何處理從解析器獲得的信息。

何時(shí)使用 SAX？何時(shí)使用 DOM？

我們將在稍后的章節(jié)詳細(xì)討論這個(gè)問題，但通常而言，您在下列時(shí)候應(yīng)該使用一個(gè) DOM 解析器：

您需要十分了解文檔的結(jié)構(gòu)
您需要操作文檔中的某些部分(例如，您可能想對(duì)某些元素排序)
您需要不止一次使用文檔中的信息
當(dāng)您只需要從一個(gè) XML 文檔中提取若干元素時(shí)，可使用 SAX 解析器。SAX 解析器在您沒有大多數(shù)內(nèi)存時(shí)、或者如果您只需要使用文檔中的信息一次(而不是解析文檔一次，而后要反復(fù)使用它)。

不同語(yǔ)言的 XML 解析器

在 Web 上使用的大多數(shù)語(yǔ)言都有其對(duì)應(yīng)的 XML 解析器和庫(kù)，包括 Java、C++、Perl 和 Python。下一頁(yè)介紹了 IBM 或其它公司提供的解析器的鏈接。

本教程中絕大多數(shù)的示例是使用 IBM 的 XML4J 解析器。我們所討論的所有代碼使用標(biāo)準(zhǔn)的接口。在本教程的最后章節(jié)，我們將向您展現(xiàn)編寫可使用不同解析器的代碼是如何簡(jiǎn)單。

Java

IBM 的解析器，XML4J，可從 www.alphaWorks.ibm.com/tech/xml4j 獲得。
James Clark 的解析器，XP，可從 www.jclark.com/xml/xp 獲得。
Sun 的 XML 解析器可從 developer.java.sun.com/developer/products/xml/ (您必需成為 Java Developer Connection 的會(huì)員)下載。
DataChannel 的 XJParser 可從 xdev.datachannel.com/downloads/xjparser/ 獲得。


C++

IBM 的 XML4C 解析器可從 www.alphaWorks.ibm.com/tech/xml4c 獲得。
James Clark 的 C++ 解析器，expat，可從 www.jclark.com/xml/expat.html 獲得。


Perl

有多種 Perl 語(yǔ)言的 XML 解析器。要獲得更多信息，參見 www.perlxml.com/faq/perl-xml-faq.html。


Python

要獲得更多 Python 語(yǔ)言的 XML 解析器，參見 www.python.org/topics/xml/。

總結(jié)

任何 XML 應(yīng)用的核心是一個(gè) XML 解析器。要處理一個(gè) XML 文檔，您的應(yīng)用將創(chuàng)建一個(gè) parser 對(duì)象，將一個(gè) XML document 傳遞給它，然后處理從 parser 對(duì)象返回的結(jié)果。

我們討論了不同類型的 XML 解析器，以及您為何選取其一。我們用不同方式來(lái)對(duì)解析器分類：

驗(yàn)證或非驗(yàn)證解析器
支持 Document Object Model (DOM) 的解析器
支持 Simple API for XML (SAX) 的解析器
用特定語(yǔ)言編寫的解析器 (Java, C++, Perl 等)
在我們的下一章節(jié)，我們將探討 DOM 解析器和如何使用它們。

第三章 DOM (Document Object Model)
Dom, dom, dom, dom, dom,
Doobie, doobie,
Dom, dom, dom, dom, dom...

DOM 是一個(gè)操作文檔結(jié)構(gòu)的通用接口。它設(shè)計(jì)的一個(gè)目標(biāo)是為一個(gè) DOM 兼容解析器所編寫的 Java 代碼應(yīng)該可以使用其它任意 DOM 兼容的解析器而不需要修改代碼。(我們稍后將展示這個(gè)。)

正如我們前面所提的，一個(gè) DOM 解析器將以樹形式返回您整個(gè)文檔的結(jié)構(gòu)。

示例代碼

在我們繼續(xù)以前，請(qǐng)您下載我們的示例 XML 應(yīng)用程序。解開此文件 xmljava.zip，就可以了！(blueski:***或者查看本教程附錄)

DOM 接口

DOM 定義了多個(gè) Java 接口。下列是常用的：

Node： DOM 基本的數(shù)據(jù)類型。
Element： 您將最主要處理的對(duì)象是 Element。
Attr： 代表一個(gè)元素的屬性。
Text： 一個(gè) Element 或 Attr 的實(shí)際內(nèi)容。
Document： 代表整個(gè) XML 文檔。一個(gè) Document 對(duì)象通常也被稱為一棵 DOM 樹。

常用的 DOM 方法

當(dāng)您使用 DOM 時(shí)，下列是您將常會(huì)使用的方法：

Document.getDocumentElement()
返回文檔的根(root)元素。
Node.getFirstChild() and Node.getLastChild()
返回給定 Node 的第一個(gè)子女。
Node.getNextSibling() and Node.getPreviousSibling()
它將刪除 DOM 樹中一切內(nèi)容，格式化您的硬盤，然后給您地址簿中每個(gè)人發(fā)送一個(gè)謾罵的郵件。(不是真的啦。這些方法返回下一個(gè)或前一個(gè)給定 Node 的同胞。)
Node.getAttribute(attrName)
對(duì)給定的 Node，返回給定名稱的屬性。例如，如果您要獲得名為 id 屬性 的對(duì)象，可調(diào)用 getAttribute("id")。

我們的第一個(gè) DOM 應(yīng)用！

介紹了很多概念，讓我們繼續(xù)吧。我們的第一個(gè)應(yīng)用簡(jiǎn)單地讀入一個(gè) XML 文檔并將其內(nèi)容輸出到標(biāo)準(zhǔn)輸出。

在一個(gè)命令行窗口，運(yùn)行下面的命令：

java domOne sonnet.xml

這個(gè)命令將載入我們的應(yīng)用然后讓它解析 sonnet.xml 文件。如果一切運(yùn)行正常，您將看到 XML 文檔的內(nèi)容被輸出到標(biāo)準(zhǔn)輸出。
<?xml version="1.0"?>
<sonnet type="Shakespearean">
<author>
<last-name>Shakespeare</last-name>
<first-name>William</first-name>
<nationality>British</nationality>
<year-of-birth>1564</year-of-birth>
<year-of-death>1616</year-of-death>
</author>
<title>Sonnet 130</title>
<lines>
<line>My mistress?eyes are ...

domOne 剖析

domOne 的源碼是非常直了的。我們創(chuàng)建一個(gè)新的類 domOne；它有兩個(gè)方法，parseAndPrint 以及 printDOMTree。

在 main 方法中，我們處理命令行，創(chuàng)建一個(gè) domOne 對(duì)象，然后將文件名傳遞給 domOne 對(duì)象。domOne 對(duì)象創(chuàng)建一個(gè) parser 對(duì)象，解析文檔，然后通過 printDOMTree 方法處理 DOM 樹 (即 Document 對(duì)象)。

我們將詳細(xì)研究每個(gè)步驟。
public class domOne
{
public void parseAndPrint(String uri)
...
public void printDOMTree(Node node)
...
public static void main(String argv[])
...

處理命令行

處理命令行的代碼在左面顯示。我們將檢查用戶是否在命令行上輸入?yún)��?shù)。如果沒有，我們打印使用方法并推出；否則，我們假定命令行上第一個(gè)參數(shù)( Java 語(yǔ)言中的 argv[0] ) 是文檔名。我們忽略用戶可能輸入的其它參數(shù)。

我們使用命令行參數(shù)來(lái)簡(jiǎn)化我們的示例。在大多數(shù)情況下，一個(gè) XML 應(yīng)用可能使用 servlet、Java Bean 和其它類型的組件一起使用；而用命令行參數(shù)并不是一個(gè)問題。

public static void main(String argv[])
{
if (argv.length == 0)
{
System.out.println("Usage: ... ");
...
System.exit(1);
}

domOne d1 = new domOne();
d1.parseAndPrint(argv[0]);
}
創(chuàng)建一個(gè) domOne 對(duì)象

在我們的示例代碼中，我們創(chuàng)建一個(gè)單獨(dú)的類 domOne。要解析文件和打印結(jié)果，我們創(chuàng)建一個(gè) domOne 類的實(shí)例，然后讓我們剛創(chuàng)建的 domOne 對(duì)象來(lái)解析和打印 XML 文檔。

我們?yōu)楹芜@樣處理？由于我們想要使用一個(gè)遞歸方法來(lái)遍歷 DOM 樹并打印出結(jié)果。我們無(wú)法用一個(gè)如 main 的靜態(tài)方法來(lái)處理，因此我們創(chuàng)建一個(gè)單獨(dú)的類來(lái)處理它。


public static void main(String argv[])
{
if (argv.length == 0)
{
System.out.println("Usage: ... ");
...
System.exit(1);
}

domOne d1 = new domOne();
d1.parseAndPrint(argv[0]);
}
創(chuàng)建一個(gè) Parser 對(duì)象

現(xiàn)在我們已經(jīng)讓 domOne 的實(shí)例來(lái)解析和處理我們的 XML 文檔，它的第一個(gè)處理是創(chuàng)建一個(gè)新的 Parser 對(duì)象。在此例中，我們將使用一個(gè) DOMParser 對(duì)象，一個(gè)實(shí)現(xiàn) DOM 接口的 Java 類。在 XML4J 包中還有其它 parser 對(duì)象，例如 SAXParser、ValidatingSAXParser 和 NonValidatingDOMParser。

注意我們將這段代碼放在一個(gè) try 模塊中。parser 在某些情況下將拋出異常(exception)，包括一個(gè)無(wú)效的 URI、找不到一個(gè) DTD 或者一個(gè) XML 文檔不是有效的或格式錯(cuò)誤。要很好地處理它，我們要捕獲異常(exception)。

try
{
DOMParser parser = new DOMParser();
parser.parse(uri);
doc = parser.getDocument();
}

解析 XML 文檔

解析文檔只是簡(jiǎn)單的一行代碼。當(dāng)解析結(jié)束時(shí)，我們獲得解析器生成的 Document 對(duì)象。

如果 Document 對(duì)象不是 null (如果解析過程出錯(cuò)它將是 null)，我們將其傳遞給 printDOMTree 方法。

try
{
DOMParser parser = new DOMParser();
parser.parse(uri);
doc = parser.getDocument();
...
if (doc != null)
printDOMTree(doc);
}

處理 DOM 樹

現(xiàn)在解析已經(jīng)完成，我們將遍歷 DOM 樹。注意這段代碼是遞歸的。對(duì)每個(gè)節(jié)點(diǎn)，我們處理其本身，然后我們對(duì)每個(gè)節(jié)點(diǎn)的子女遞歸地調(diào)用 printDOMTree 方法。遞歸調(diào)用如左所示。

要記住當(dāng)有些 XML 文檔非常大時(shí)，它們反而不會(huì)有太多層標(biāo)記。以一個(gè)上海市的電話簿為例，可能有幾百萬(wàn)條記錄，但其標(biāo)記可能不會(huì)超過幾層�？紤]到這個(gè)原因，遞歸算法的棧溢出不是一個(gè)問題。

public void printDOMTree(Node node)
{
int nodeType = Node.getNodeType();
switch (nodeType)
{
case DOCUMENT_NODE:
printDOMTree(((Document)node).
GetDocumentElement());
...
case ELEMENT_NODE:
...
NodeList children =
node.getChildNodes();
if (children != null)
{
for (int i = 0;
i < children.getLength();
i++)
printDOMTree(children.item(i));
}

很多 Node

如果您查看 sonnet.xml，有二十四個(gè)節(jié)點(diǎn)。您可能認(rèn)為這意味著二十四個(gè)節(jié)點(diǎn)。然而，這不正確。在 sonnet.xml 中一共有 69 個(gè)節(jié)點(diǎn)；一個(gè)文檔節(jié)點(diǎn)(document node)， 23 個(gè)元素節(jié)點(diǎn)(element node)以及 45 個(gè)文本節(jié)點(diǎn)(text node)。我們運(yùn)行 java domCounter sonnet.xml 就獲得了下邊所示的結(jié)果。

domCounter.java

這段代碼解析一個(gè) XML 文檔，然后遍歷 DOM 樹來(lái)采集有關(guān)該文檔的數(shù)據(jù)。當(dāng)數(shù)據(jù)采集后將其輸出到標(biāo)準(zhǔn)輸出。


統(tǒng)計(jì) sonnet.xml 的數(shù)據(jù)：
====================================
Document Nodes: 1
Element Nodes: 23
Entity Reference Nodes: 0
CDATA Sections: 0
Text Nodes: 45
Processing Instructions: 0
----------
Total: 69 Nodes

節(jié)點(diǎn)列表示例

對(duì)于下邊的片斷，
<sonnet type="Shakespearean">
<author>
<last-name>Shakespeare</last-name>
下列是從解析器返回的節(jié)點(diǎn)：

Document 節(jié)點(diǎn)


Element 節(jié)點(diǎn)對(duì)應(yīng)于 <sonnet> 標(biāo)記
一個(gè) Text 節(jié)點(diǎn)對(duì)應(yīng)于 <sonnet> 節(jié)點(diǎn)后的回車符以及 <author> 標(biāo)記前的兩個(gè)空格符
Element 節(jié)點(diǎn)對(duì)應(yīng)于 <author> 標(biāo)記
一個(gè) Text 節(jié)點(diǎn)對(duì)應(yīng)于 <author> 節(jié)點(diǎn)后的回車符以及 <last-name> 標(biāo)記前的四個(gè)空格符
Element 節(jié)點(diǎn)對(duì)應(yīng)于 <last-name> 標(biāo)記

所有那些文本節(jié)點(diǎn)

如果您查看由解析器返回的所有節(jié)點(diǎn)列表，您將發(fā)現(xiàn)它們大多數(shù)是沒用的。在每行開始的空格符組成其中包含可忽略的 Text 節(jié)點(diǎn)。

注意如果您將所有的節(jié)點(diǎn)放在一行上我們就不會(huì)得到這些無(wú)用的節(jié)點(diǎn)了。我們通過添加分行符和空格符來(lái)提高文檔的可讀性。

當(dāng)您構(gòu)建一個(gè) XML 文檔時(shí)不需要考慮可讀性，就可省略分行符和空格符。這可使得您的文檔更小，處理您的文檔時(shí)也不需要構(gòu)建那些無(wú)用的節(jié)點(diǎn)。


所有那些文本節(jié)點(diǎn)

如果您查看由解析器返回的所有節(jié)點(diǎn)列表，您將發(fā)現(xiàn)它們大多數(shù)是沒用的。在每行開始的空格符組成其中包含可忽略的 Text 節(jié)點(diǎn)。

注意如果您將所有的節(jié)點(diǎn)放在一行上我們就不會(huì)得到這些無(wú)用的節(jié)點(diǎn)了。我們通過添加分行符和空格符來(lái)提高文檔的可讀性。

當(dāng)您構(gòu)建一個(gè) XML 文檔時(shí)不需要考慮可讀性，就可省略分行符和空格符。這可使得您的文檔更小，處理您的文檔時(shí)也不需要構(gòu)建那些無(wú)用的節(jié)點(diǎn)。

<sonnet type="Shakespearean">
<author>
<last-name>Shakespeare</last-name>
<first-name>William</first-name>
<nationality>British</nationality>
<year-of-birth>1564</year-of-birth>
<year-of-death>1616</year-of-death>
</author>
<title>Sonnet 130</title>
<lines>
<line>My mistress' eyes are nothing like the sun,</line>

一個(gè) Text 節(jié)點(diǎn)對(duì)應(yīng)于 "Shakespeare" 字符
如果您看到標(biāo)記間所有的空格符，您可發(fā)現(xiàn)為何我們有那么多超出您想像的節(jié)點(diǎn)。

了解您的 Node

我們最后對(duì)處理在 DOM 樹的 Node 要指出的是，我們?cè)谔幚砥渲�前要檢查每個(gè) Node 的類型。一些方法，例如 getAttributes，對(duì)一些特定的節(jié)點(diǎn)類型返回 null 值。如果您不檢查節(jié)點(diǎn)類型，您將得到不正確的結(jié)果(最佳情況)和異常(最差情況)。

在此所介紹的 switch 語(yǔ)句常出現(xiàn)在使用 DOM 解析器的代碼。
switch (nodeType)
{
case Node.DOCUMENT_NODE:
...
case Node.ELEMENT_NODE:
...
case Node.TEXT_NODE:
...
}


總結(jié)

不管您信不信，這就是我們使用 DOM 對(duì)象所要了解的所有內(nèi)容。我們的 domOne 代碼完成了下列工作：

創(chuàng)建一個(gè) Parser 對(duì)象
將一個(gè) XML 文檔傳遞給 Parser 來(lái)解析
獲得來(lái)自于 Parser 的 Document 對(duì)象然后加以檢查。
在本教程最后一章，我們將討論如何不需要 XML 原文件來(lái)構(gòu)建一棵 DOM 樹，并展示如何對(duì)一個(gè) XML 文檔中的元素排序。而那些都是基于我們這里所討論的概念之上。

在我們繼續(xù)那些更高級(jí)的應(yīng)用前，我們將詳細(xì)探討 SAX API。我們同樣將使用類似的示例，展現(xiàn) SAX 和 DOM 的不同處。