Java解析xml文件的研究與應(yīng)用

摘 要 在計(jì)算機(jī)領(lǐng)域，利用Java解析xml文件有著實(shí)際利用價(jià)值與現(xiàn)實(shí)意義。文章對(duì)XML語(yǔ)言進(jìn)行了簡(jiǎn)要的介紹，XML作為簡(jiǎn)單的配置文件可以幫助我們更高效地運(yùn)行程序。在介紹了XML的基本概念和主要應(yīng)用的基礎(chǔ)上，進(jìn)一步分析了Java解析XML文檔的兩種主流經(jīng)典方法：一種是文檔對(duì)象模型DOM（Document Object Model），另外一種是XML簡(jiǎn)單接口SAX（Simple API for XML）。

關(guān)鍵詞 XML作用；XML解析；DOM；Java；SAX

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-7597（2014）06-0120-01

現(xiàn)代社會(huì)所使用的程序和數(shù)據(jù)越來越大，對(duì)計(jì)算機(jī)硬件的需求標(biāo)準(zhǔn)越來越高。當(dāng)我們用到的數(shù)據(jù)量不大，對(duì)硬件的要求不高的時(shí)候，我們不希望再使用龐大的數(shù)據(jù)庫(kù)，而是希望能夠找到能夠減輕系統(tǒng)負(fù)擔(dān)的方法。XML作為簡(jiǎn)單的配置文件可以幫助我們更高效地運(yùn)行程序，它的獨(dú)立于平臺(tái)的特性是它最具特色的地方。XML可以將內(nèi)容和表現(xiàn)分離，同一個(gè)xml源文檔只寫一次，但可以用不同的方法表現(xiàn)出來。

1 XML概述

1.1 XML簡(jiǎn)介

可擴(kuò)展標(biāo)記語(yǔ)言（Extensible Markup Language，XML）是一種標(biāo)記語(yǔ)言，它為文檔編碼格式定義了一系列的標(biāo)準(zhǔn)規(guī)則，這些規(guī)則簡(jiǎn)單明了，不論是用戶還是機(jī)器都能夠很容易的識(shí)別。XML的設(shè)計(jì)目標(biāo)是為了提高因特網(wǎng)信息的簡(jiǎn)潔性、普適性和可用性。盡管XML最初主要用于文檔方面，但是現(xiàn)在它可以被廣泛地應(yīng)用于任意數(shù)據(jù)結(jié)構(gòu)的表示，比如web服務(wù)等。

根據(jù)定義，XML文檔是由一系列字符構(gòu)成。在一個(gè)XML文檔中，幾乎每一個(gè)合法的Unicode字符都可能出現(xiàn)。XML允許使用任何Unicode-defined編碼，和任何其他也出現(xiàn)在Unicode編碼的字符。XML處理器還提供了一種機(jī)制，可以在沒有任何先驗(yàn)知識(shí)的情況下非?？煽康卮_定哪些編碼可以使用。

XML文檔由標(biāo)記和內(nèi)容組成，它們可以通過簡(jiǎn)單的語(yǔ)法規(guī)則進(jìn)行區(qū)分。一般來說，標(biāo)記以< >作為符號(hào)，即，而內(nèi)容則不加任何符號(hào)。標(biāo)記分為三類，是開始標(biāo)記，是結(jié)束標(biāo)記，開始標(biāo)記和結(jié)束標(biāo)記之間的部分作為內(nèi)容。是空標(biāo)記，即不包含任何內(nèi)容的標(biāo)記。

1.2 當(dāng)前XML的主要應(yīng)用

最近幾年已經(jīng)用XML開發(fā)了數(shù)以百計(jì)的文檔格式，包括RSS、Atom、SOAP、XHTML等?；赬ML格式的工具已經(jīng)成為許多辦公軟件的默認(rèn)工具，包括微軟辦公室（Office Open XML）、OpenOffice.org、LibreOffice和蘋果的iwork。XML也被用作通信協(xié)議的基本語(yǔ)言，比如XMPP。微軟的應(yīng)用程序使用XML作為配置文件。蘋果公司已經(jīng)實(shí)現(xiàn)了基于XML的注冊(cè)。

XML業(yè)已成為互聯(lián)網(wǎng)數(shù)據(jù)通信的主流方式之一。RFC3023規(guī)定了互聯(lián)網(wǎng)媒體用XML發(fā)送信息的構(gòu)造方式。它還定義了以XML設(shè)計(jì)應(yīng)用程序和以XML設(shè)計(jì)文檔的媒體類型。

XML具有如下特色：1）用來進(jìn)行更有意義的搜索；2）開發(fā)靈活的Web應(yīng)用軟件；3）集成不同來源的數(shù)據(jù)；4）多種應(yīng)用得到的數(shù)據(jù)；5）數(shù)據(jù)的本地計(jì)算和處理；6）數(shù)據(jù)的多樣型顯示；7）數(shù)據(jù)的粒狀更新；8）在Web上發(fā)布數(shù)據(jù)；9）升級(jí)性；10）開放的標(biāo)準(zhǔn)。

2 Java解析XML的兩種經(jīng)典方法

2.1 DOM：基于對(duì)象的XML解析技術(shù)

DOM是用與平臺(tái)和語(yǔ)言無關(guān)的方式表示XML文檔的W3C標(biāo)準(zhǔn)，它是以層次結(jié)構(gòu)組織的節(jié)點(diǎn)或信息片斷的集合，它是一種基于樹型的解析技術(shù)，將XML文檔一次性解析，生成一個(gè)位于內(nèi)存中的對(duì)象樹用以描述該文檔。

利用Java的DOM解析XML需要經(jīng)過以下幾個(gè)步驟：1）得到DOM解析器的工廠實(shí)例；2）從DOM工廠獲得DOM解析器；3）把要解析的XML文檔轉(zhuǎn)化為輸入流；4）解析XML文檔的輸入流；5）得到XML文檔的根節(jié)點(diǎn)；6）得到節(jié)點(diǎn)的子節(jié)點(diǎn)；7）取得節(jié)點(diǎn)的屬性值；8）輪循子節(jié)點(diǎn)。

2.2 SAX：基于事件驅(qū)動(dòng)的XML解析技術(shù)

SAX解析器采用了基于事件的模型，與DOM不同的是它并不是由W3C官方所提出的標(biāo)準(zhǔn)。SAX是一種輕量型的方法，它不需要將數(shù)據(jù)全部載入內(nèi)存而只在讀取數(shù)據(jù)時(shí)檢查數(shù)據(jù)。對(duì)于大型文檔具有顯著優(yōu)勢(shì)。它按照XML文件的順序一步一步的來解析，它將XML文檔分解為一系列的事件，由獨(dú)立的事件處理器來決定處理方式。

在JAVA的SAX接口中，事件源是org.xml.sax包中的XMLReader，它通過parser（）方法來解析XML文檔，并根據(jù)文檔的內(nèi)容產(chǎn)生事件。而事件處理器則是org.xml.sax包中的ContentHander、DTDHander、ErrorHandler，以及EntityResolver這4個(gè)接口，它們分別處理事件源在解析XML文檔過程中產(chǎn)生的不同種類的事件。

2.3 兩種解析方式的對(duì)比

SAX解析器是基于事件驅(qū)動(dòng)的，無需將整個(gè)文檔載入內(nèi)存，系統(tǒng)開銷低；不需要獲知整個(gè)XML數(shù)據(jù)，使用者只需要監(jiān)聽自己感興趣的事件即可，處理速度快。但不能隨機(jī)訪問XML中的節(jié)點(diǎn)，只支持順序訪問，而且不能修改文檔。

DOM解析器把XML文檔轉(zhuǎn)化為一個(gè)包含其內(nèi)容的樹，將整棵樹讀入內(nèi)存中，可以對(duì)樹進(jìn)行遍歷，可以對(duì)XML文檔隨機(jī)訪問，可以修改文檔，而且操作要比SAX簡(jiǎn)單，容易上手。然而由于使用DOM解析器的時(shí)候需要將整個(gè)文檔一次性解析完，內(nèi)存代價(jià)比較高，相對(duì)于SAX解析器，對(duì)于大文檔的成本要高得多。

3 總結(jié)

XML具有重要的作用，DOM和SAX這兩種解析技術(shù)也是各有特點(diǎn)。我們?cè)贘ava平臺(tái)上解析時(shí)，應(yīng)該根據(jù)不同的需求選擇不同的解析方法。當(dāng)應(yīng)用程序?qū)ξ臋n的修改和隨機(jī)訪問比較多時(shí)，可以優(yōu)先考慮DOM解析。SAX是讀取和操作XML數(shù)據(jù)的更快速、更輕量的方法。

參考文獻(xiàn)

[1]李剛.瘋狂XML講義[M].北京：電子工業(yè)出版社，2009.

[2]張迪，朱敏，張凌立.基于SAX的XML解析與應(yīng)用[J].計(jì)算機(jī)與數(shù)字工程，2008，36（7）：103-106.

[3]鄧超，熊選東.一種基于DOM的Web信息提取方法[J].微型電腦應(yīng)用，2007，23（3）： 49-52.

[4]邢詒俊.淺談XML解析技術(shù)[J].華南金融電腦，2009（11）：51-52.

作者簡(jiǎn)介

張潔（1981-），女，鎮(zhèn)江高等職業(yè)技術(shù)學(xué)校二級(jí)教師。