Java解析xml文件的研究與應(yīng)用

摘 要 在計算機領(lǐng)域，利用Java解析xml文件有著實際利用價值與現(xiàn)實意義。文章對XML語言進行了簡要的介紹，XML作為簡單的配置文件可以幫助我們更高效地運行程序。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：一種是文檔對象模型DOM（Document Object Model），另外一種是XML簡單接口SAX（Simple API for XML）。

關(guān)鍵詞 XML作用；XML解析；DOM；Java；SAX

中圖分類號：TP311 文獻標(biāo)識碼：A 文章編號：1671-7597（2014）06-0120-01

現(xiàn)代社會所使用的程序和數(shù)據(jù)越來越大，對計算機硬件的需求標(biāo)準(zhǔn)越來越高。當(dāng)我們用到的數(shù)據(jù)量不大，對硬件的要求不高的時候，我們不希望再使用龐大的數(shù)據(jù)庫，而是希望能夠找到能夠減輕系統(tǒng)負(fù)擔(dān)的方法。XML作為簡單的配置文件可以幫助我們更高效地運行程序，它的獨立于平臺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簡介

可擴展標(biāo)記語言（Extensible Markup Language，XML）是一種標(biāo)記語言，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)則簡單明了，不論是用戶還是機器都能夠很容易的識別。XML的設(shè)計目標(biāo)是為了提高因特網(wǎng)信息的簡潔性、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XML文檔中，幾乎每一個合法的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制，可以在沒有任何先驗知識的情況下非常可靠地確定哪些編碼可以使用。

XML文檔由標(biāo)記和內(nèi)容組成，它們可以通過簡單的語法規(guī)則進行區(qū)分。一般來說，標(biāo)記以< >作為符號，即，而內(nèi)容則不加任何符號。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)以百計的文檔格式，包括RSS、Atom、SOAP、XHTML等。基于XML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)實現(xiàn)了基于XML的注冊。

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)計應(yīng)用程序和以XML設(shè)計文檔的媒體類型。

XML具有如下特色：1）用來進行更有意義的搜索；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：基于對象的XML解析技術(shù)

DOM是用與平臺和語言無關(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，生成一個位于內(nèi)存中的對象樹用以描述該文檔。

利用Java的DOM解析XML需要經(jīng)過以下幾個步驟：1）得到DOM解析器的工廠實例；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；6）得到節(jié)點的子節(jié)點；7）取得節(jié)點的屬性值；8）輪循子節(jié)點。

2.2 SAX：基于事件驅(qū)動的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)時檢查數(shù)據(jù)。對于大型文檔具有顯著優(yōu)勢。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 兩種解析方式的對比

SAX解析器是基于事件驅(qū)動的，無需將整個文檔載入內(nèi)存，系統(tǒng)開銷低；不需要獲知整個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。但不能隨機訪問XML中的節(jié)點，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)化為一個包含其內(nèi)容的樹，將整棵樹讀入內(nèi)存中，可以對樹進行遍歷，可以對XML文檔隨機訪問，可以修改文檔，而且操作要比SAX簡單，容易上手。然而由于使用DOM解析器的時候需要將整個文檔一次性解析完，內(nèi)存代價比較高，相對于SAX解析器，對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。我們在Java平臺上解析時，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的修改和隨機訪問比較多時，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

[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].計算機與數(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.

作者簡介

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