XML解析【介绍、DOM、SAX详细说明、jaxp、dom4j、XPATH】

阅读量：5144 次

发布时间：2019-06-13

本文共 17342 字，大约阅读时间需要 57 分钟。

什么是XML解析

前面XML章节已经说了，XML被设计为“什么都不做”，XML只用于组织、存储数据，除此之外的数据生成、读取、传送等等的操作都与XML本身无关！

XML解析就是读取XML的数据！

XML解析方式

XML解析方式分为两种：

①：dom(Document Object Model)文档对象模型，是W3C组织推荐解析XML的一种方式

②：sax(Simple API For XML)，它是XML社区的标准，几乎所有XML解析器都支持它！

XML解析操作

从上面的图很容易发现，应用程序不是直接对XML文档进行操作的，而是由XML解析器对XML文档进行分析，然后应用程序通过XML解析器所提供的DOM接口或者SAX接口对分析结果进行操作，从而间接地实现了对XML文档的访问！

常用的解析器和解析开发包的关系如下所示：

为什么有3种开发包？

jaxp开发包是JDK自带的，不需要导入开发包。

由于sun公司的jaxp不够完善，于是就被研发了Jdom。XML解析如果使用Jdom，需要导入开发包

dom4j是由于Jdom的开发人员出现了分歧，dom4j由Jdom的一批开发人员所研发。XML解析如果使用Jdom，需要导入开发包【现在用dom4j是最多的！】

jaxp

虽然jaxp解析XML的性能以及开发的简易度是没有dom4j好，但是jaxp不管怎么说都是JDK内置的开发包，我们是需要学习的！

DOM解析操作

DOM解析是一个基于对象的API，它把XML的内容加载到内存中，生成与XML文档内容对应的模型！当解析完成，内存中会生成与XML文档的结构与之对应的DOM对象树，这样就能够根据树的结构，以节点的形式对文档进行操作！

简单来说：DOM解析会把XML文档加载到内存中，生成DOM树的元素都是以对象的形式存在的！我们操作这些对象就能够操作XML文档了！

下面这样图就能很好地说明了，是怎么样生成与XML文档内容对应的DOM树！

既然XML文档的数据是带有关系型的，那么生成的DOM树的节点也是有关系的：

位于一个节点之上的节点是该节点的父节点(parent)

一个节点之下的节点是该节点的子节点（children）

同一层次，具有相同父节点的节点是兄弟节点（sibling）

一个节点的下一个层次的节点集合是节点后代(descendant)

父、祖父节点及所有位于节点上面的，都是节点的祖先(ancestor)

在DOM解析中有几个核心的操作接口：

Document【代表整个XML文档，通过Document节点可以访问XML文件中所有的元素内容！】

Node【Node节点几乎在XML操作接口中几乎相当于普通Java类的Object，很多核心接口都实现了它，在下面的关系图可以看出！】

NodeList【代表着一个节点的集合，通常是一个节点中子节点的集合！】

NameNodeMap【表示一组节点和其唯一名称对应的一一对应关系，主要用于属性节点的表示（书上说是核心的操作接口，但我好像没用到！呃呃呃，等我用到了，我再来填坑！）】

节点之间的关系图：

有人可能会很难理解，为什么Document接口比Node接口还小，呃呃呃，我是这样想的：一个Document由无数个Node组成，这样我也能把Document当然是Node呀！如果实在想不通：人家都这样设计了，你有种就不用啊！！(开玩笑的…..)

好的，不跟你们多bb，我们来使用一下Dom的方式解析XML文档吧！

XML文档代码

根据XML解析的流程图，我们先要获取到解析器对象！

public class DomParse {        public static void main(String[] args) throws ParserConfigurationException, IOException, SAXException {            //API规范：需要用一个工厂来造解析器对象，于是我先造了一个工厂！            DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance();            //获取解析器对象            DocumentBuilder documentBuilder = documentBuilderFactory.newDocumentBuilder();            //获取到解析XML文档的流对象            InputStream inputStream = DomParse.class.getClassLoader().getResourceAsStream("city.xml");            //解析XML文档，得到了代表XML文档的Document对象！            Document document = documentBuilder.parse(inputStream);        }    }

解析XML文档的内容用来干嘛？无非就是增删改查遍历，只要我们会对XML进行增删改查，那就说明我们是会使用DOM解析的！

遍历

我们再来看一下XML文档的内容，如果我们要遍历该怎么做？：

可能我们会有两种想法：
- ①：从XML文档内容的上往下看，看到什么就输出什么！【这正是SAX解析的做法】
- ②：把XML文档的内容分成两部分，一部分是有子节点的，一部分是没有子节点的（也就是元素节点！）。首先我们判断是否为元素节点，如果是元素节点就输出，不是元素节点就获取到子节点的集合，再判断子节点集合中的是否是元素节点，如果是元素节点就输出，如果不是元素节点获取到该子节点的集合….好的，一不小心就递归了…

我们来对XML文档遍历一下吧，为了更好地重用，就将它写成一个方法吧（也是能够更好地用递归实现功能）！

public class DomParse {        public static void main(String[] args) throws ParserConfigurationException, IOException, SAXException {            //API规范：需要用一个工厂来造解析器对象，于是我先造了一个工厂！            DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance();            //获取解析器对象            DocumentBuilder documentBuilder = documentBuilderFactory.newDocumentBuilder();            //获取到解析XML文档的File对象            InputStream inputStream = DomParse.class.getClassLoader().getResourceAsStream("city.xml");            //解析XML文档，得到了代表XML文档的Document对象！            Document document = documentBuilder.parse(inputStream);            //把代表XML文档的document对象传递进去给list方法            list(document);        }        //我们这里就接收Node类型的实例对象吧！多态！！！        private static void list(Node node) {            //判断是否是元素节点，如果是元素节点就直接输出            if (node.getNodeType() == Node.ELEMENT_NODE) {                System.out.println(node.getNodeName());            }            //....如果没有进入if语句，下面的肯定就不是元素节点了，所以获取到子节点集合            NodeList nodeList = node.getChildNodes();            //遍历子节点集合            for (int i = 0; i < nodeList.getLength(); i++) {                //获取到其中的一个子节点                Node child = nodeList.item(i);                //...判断该子节点是否为元素节点，如果是元素节点就输出，不是元素节点就再获取到它的子节点集合...递归了                list(child);            }        }    }

效果：

查询

现在我要做的就是：读取guangzhou这个节点的文本内容！

private static void read(Document document) {        //获取到所有名称为guangzhou节点        NodeList nodeList = document.getElementsByTagName("guangzhou");        //取出第一个名称为guangzhou的节点        Node node = nodeList.item(0);        //获取到节点的文本内容        String value = node.getTextContent();        System.out.println(value);    }

效果：

增加

现在我想多增加一个城市节点(杭州)，我需要这样做：

private static void add(Document document) {        //创建需要增加的节点        Element element = document.createElement("hangzhou");        //向节点添加文本内容        element.setTextContent("杭州");        //得到需要添加节点的父节点        Node parent = document.getElementsByTagName("china").item(0);        //把需要增加的节点挂在父节点下面去        parent.appendChild(element);    }

做到这里，我仅仅在内存的Dom树下添加了一个节点，要想把内存中的Dom树写到硬盘文件中，需要转换器！

获取转换器也十分简单：

//获取一个转换器它需要工厂来造，那么我就造一个工厂        TransformerFactory transformerFactory = TransformerFactory.newInstance();        //获取转换器对象        Transformer transformer = transformerFactory.newTransformer();

把内存中的Dom树更新到硬盘文件中的transform()方法就稍稍有些复杂了！

它需要一个Source实例对象和Result的实例对象，这两个接口到底是什么玩意啊？

于是乎，我就去查API，发现DomSource实现了Source接口，我们使用的不正是Dom解析吗，再看看构造方法，感觉就是它了！

而SteamResult实现了Result接口，有人也会想，DomResult也实现了Result接口啊，为什么不用DomResult呢？我们现在做的是把内存中的Dom树更新到硬盘文件中呀，当然用的是StreamResult啦！

完整代码如下：

private static void add(Document document) throws TransformerException {        //创建需要增加的节点        Element element = document.createElement("hangzhou");        //向节点添加文本内容        element.setTextContent("杭州");        //得到需要添加节点的父节点        Node parent = document.getElementsByTagName("china").item(0);        //把需要增加的节点挂在父节点下面去        parent.appendChild(element);        //获取一个转换器它需要工厂来造，那么我就造一个工厂        TransformerFactory transformerFactory = TransformerFactory.newInstance();        //获取转换器对象        Transformer transformer = transformerFactory.newTransformer();        //把内存中的Dom树更新到硬盘中        transformer.transform(new DOMSource(document),new StreamResult("city.xml"));    }

效果：

刚刚增加的节点是在china节点的末尾处的，现在我想指定增加节点的在beijing节点之前，是这样做的：

private static void add2(Document document) throws TransformerException {        //获取到beijing节点        Node beijing = document.getElementsByTagName("beijing").item(0);        //创建新的节点        Element element = document.createElement("guangxi");        //设置节点的文本内容        element.setTextContent("广西");        //获取到要创建节点的父节点，        Node parent = document.getElementsByTagName("china").item(0);        //将guangxi节点插入到beijing节点之前！        parent.insertBefore(element, beijing);        //将内存中的Dom树更新到硬盘文件中        TransformerFactory transformerFactory = TransformerFactory.newInstance();        Transformer transformer = transformerFactory.newTransformer();        transformer.transform(new DOMSource(document), new StreamResult("city.xml"));    }

效果：

删除

现在我要删除的是beijing这个节点！

private static void delete(Document document) throws TransformerException {        //获取到beijing这个节点        Node node = document.getElementsByTagName("beijing").item(0);        //获取到父节点，然后通过父节点把自己删除了        node.getParentNode().removeChild(node);        //把内存中的Dom树更新到硬盘文件中        TransformerFactory transformerFactory = TransformerFactory.newInstance();        Transformer transformer = transformerFactory.newTransformer();        transformer.transform(new DOMSource(document), new StreamResult("city.xml"));    }

效果：

修改

将guangzhou节点的文本内容修改成广州你好

private static void update(Document document) throws TransformerException {        //获取到guangzhou节点        Node node = document.getElementsByTagName("guangzhou").item(0);        node.setTextContent("广州你好");        //将内存中的Dom树更新到硬盘文件中        TransformerFactory transformerFactory = TransformerFactory.newInstance();        Transformer transformer = transformerFactory.newTransformer();        transformer.transform(new DOMSource(document), new StreamResult("city.xml"));    }

效果：

操作属性

XML文档是可能带有属性值的，现在我们要guangzhou节点上的属性

private static void updateAttribute(Document document) throws TransformerException {        //获取到guangzhou节点        Node node = document.getElementsByTagName("guangzhou").item(0);        //现在node节点没有增加属性的方法，所以我就要找它的子类---Element        Element guangzhou = (Element) node;        //设置一个属性，如果存在则修改，不存在则创建！        guangzhou.setAttribute("play", "gzchanglong");        //如果要删除属性就用removeAttribute()方法        //将内存中的Dom树更新到硬盘文件中        TransformerFactory transformerFactory = TransformerFactory.newInstance();        Transformer transformer = transformerFactory.newTransformer();        transformer.transform(new DOMSource(document), new StreamResult("city.xml"));    }

效果：

SAX解析

SAX采用的是一种顺序的模式进行访问，是一种快速读取XML数据的方式。当时候SAX解析器进行操作时，会触发一系列事件SAX。采用事件处理的方式解析XML文件，利用 SAX 解析 XML 文档，涉及两个部分：解析器和事件处理器

sax是一种推式的机制,你创建一个sax 解析器,解析器在发现xml文档中的内容时就告诉你(把事件推给你). 如何处理这些内容，由程序员自己决定。

当解析器解析到<?xml version="1.0" encoding="UTF-8" standalone="no"?>声明头时，会触发事件。解析到<china>元素头时也会触发事件！也就是说：当使用SAX解析器扫描XML文档(也就是Document对象)开始、结束，以及元素的开始、结束时都会触发事件，根据不同事件调用相对应的方法!

首先我们还是先拿到SAX的解析器再说吧!

//要得到解析器对象就需要造一个工厂，于是我造了一个工厂        SAXParserFactory saxParserFactory = SAXParserFactory.newInstance();        //获取到解析器对象        SAXParser saxParse = saxParserFactory.newSAXParser();

调用解析对象的解析方法的时候，需要的不仅仅是XML文档的路径！还需要一个事件处理器！

事件处理器都是由我们程序员来编写的，它一般继承DefaultHandler类，重写如下5个方法：

@Override    public void startDocument() throws SAXException {        super.startDocument();    }    @Override    public void endDocument() throws SAXException {        super.endDocument();    }    @Override    public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {        super.startElement(uri, localName, qName, attributes);    }    @Override    public void endElement(String uri, String localName, String qName) throws SAXException {        super.endElement(uri, localName, qName);    }    @Override    public void characters(char[] ch, int start, int length) throws SAXException {        super.characters(ch, start, length);    }

获取解析器，调用解析器解析XML文档的代码：

public static void main(String[] args) throws Exception{        //要得到解析器对象就需要造一个工厂，于是我造了一个工厂        SAXParserFactory saxParserFactory = SAXParserFactory.newInstance();        //获取到解析器对象        SAXParser saxParse = saxParserFactory.newSAXParser();        //获取到XML文档的流对象        InputStream inputStream = SAXParse.class.getClassLoader().getResourceAsStream("city.xml");        saxParse.parse(inputStream, new MyHandler());    }

事件处理器的代码：

public class MyHandler extends DefaultHandler {
             @Override        public void startDocument() throws SAXException {            System.out.println("我开始来扫描啦！！！！");        }        @Override        public void endDocument() throws SAXException {            System.out.println("我结束了！！！！");        }        @Override        public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {            //如果要解析出节点属性的内容，也非常简单，只要通过attributes变量就行了！            //输出节点的名字！            System.out.println(qName);        }        @Override        public void endElement(String uri, String localName, String qName) throws SAXException {            System.out.println(qName);        }        @Override        public void characters(char[] ch, int start, int length) throws SAXException {            System.out.println(new String(ch,start,length));        }    }

我们发现，事件处理器的代码都非常简单，然后就如此简单地就能够遍历整个XML文档了！

如果要查询单独的某个节点的内容也是非常简单的哟！只要在startElement()方法中判断名字是否相同即可！

现在我只想查询guangzhou节点的内容:

//定义一个标识量，用于指定查询某个节点的内容    boolean flag = false;    @Override    public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {        //如果节点名称是guangzhou，我才输出，并且把标识量设置为true        if (qName == "guangzhou") {            System.out.println(qName);            flag = true;        }    }    @Override    public void characters(char[] ch, int start, int length) throws SAXException {        //只有在flag为true的情况下我才输出文本的内容        if (flag == true) {            System.out.println(new String(ch, start, length));        }    }    @Override    public void endElement(String uri, String localName, String qName) throws SAXException {        //在执行到元素的末尾时，不要忘了将标识量改成false        if (qName == "guangzhou" && flag == true) {            System.out.println(qName);            flag = false;        }    }

效果：

DOM和SAX解析的区别：

DOM解析读取整个XML文档，在内存中形成DOM树，很方便地对XML文档的内容进行增删改。但如果XML文档的内容过大，那么就会导致内存溢出！

SAX解析采用部分读取的方式，可以处理大型文件，但只能对文件按顺序从头到尾解析一遍，不支持文件的增删改操作

DOM和SAX解析有着明显的差别，什么时候使用DOM或者SAX就非常明了了。

dom4j

Dom4j是一个非常优秀的Java XML API，具有性能优异、功能强大和极易使用的特点。

为什么需要有dom4j

dom缺点:比较耗费内存

sax缺点:只能对xml文件进行读取,不能修改,添加,删除

dom4j:既可以提高效率,同时也可以进行crud操作

因为dom4j不是sun公司的产品,所以我们开发dom4j需要导入开发包

获取dom4j的解析器

使用dom4j对XML文档进行增删改查，都需要获取到dom4j的解析器

//获取到解析器        SAXReader saxReader = new SAXReader();        //获取到XML文件的流对象        InputStream inputStream = DOM4j.class.getClassLoader().getResourceAsStream("1.xml");        //通过解析器读取XML文件        Document document = saxReader.read(inputStream);

获取Document对象

我们都知道，Document代表的是XML文档，一般我们都是通过Document对象开始，来进行CRUD（增删改查）操作的！

获取Document对象有三种方式：

①：读取XML文件,获得document对象（这种最常用）

SAXReader reader = new SAXReader()；Document document = reader.read(new File("input.xml"));

②：解析XML形式的文本,得到document对象

String text = "
     ";    Document document=DocumentHelper.parseText(text);

③：主动创建document对象.

Document document =DocumentHelper.createDocument();//创建根节点Element root = document.addElement("members");

CRUD的重要一句话：

读取XML文档的数据，都是通过Document获取根元素，再通过根元素获取得到其他节点的，从而进行操作！

如果XML的结构有多层，需要一层一层地获取！

查询

@Test    public void read() throws DocumentException {        //获取到解析器        SAXReader saxReader = new SAXReader();        //获取到XML文件的流对象        InputStream inputStream = dom4j11.class.getClassLoader().getResourceAsStream("1.xml");        //通过解析器读取XML文件        Document document = saxReader.read(inputStream);        //获取得到根节点        Element root = document.getRootElement();        //获取得到name节点        Element name = root.element("name");        //得到了name节点，就可以获取name节点的属性或者文本内容了！        String text = name.getText();        String attribute = name.attributeValue("littleName");        System.out.println("文本内容是：" + text);        System.out.println("属性内容是：" + attribute);    }

XML文件如下：


              
             
      
       zhongfucheng
              
      
       20

效果：

多层结构的查询：

//获取得到根节点        Element root = document.getRootElement();        //一层一层地获取到节点        Element element = root.element("guangdong").element("guangzhou").element("luogang");        String value = element.getText();        System.out.println(value);

XML文件和结果：

增加

在DOM4j中要对内存中的DOM树写到硬盘文件中，也是要有转换器的支持的！

dom4j提供了XMLWriter供我们对XML文档进行更新操作，一般地创建XMLWriter的时候我们都会给出两个参数，一个是Writer，一个是OutputFormat

这个OutputFormat有什么用的呢？其实就是指定回写XML的格式和编码格式。细心的朋友会发现，上面我们在jaxp包下使用dom解析的Transformer类，把内存中的DOM树更新到文件硬盘中，是没有格式的！不信倒回去看看！这个OutputFormat就可以让我们更新XML文档时也能带有格式！

//创建带有格式的对象        OutputFormat outputFormat = OutputFormat.createPrettyPrint();        //设置编码，默认的编码是gb2312，读写的编码不一致，会导致乱码的！        outputFormat.setEncoding("UTF-8");        //创建XMLWriter对象        XMLWriter xmlWriter = new XMLWriter(new FileWriter("2.xml"), outputFormat);        //XMLWriter对象写入的是document        xmlWriter.write(document);        //关闭流        xmlWriter.close();

下面我们就为在person节点下新创建一个name节点吧,完整的代码如下：！

@Test    public void add() throws Exception {        //获取到解析器        SAXReader saxReader = new SAXReader();        //获取到XML文件的流对象        InputStream inputStream = dom4j11.class.getClassLoader().getResourceAsStream("1.xml");        //通过解析器读取XML文件        Document document = saxReader.read(inputStream);        //创建出新的节点，为节点设置文本内容        Element newElement = DocumentHelper.createElement("name");        newElement.setText("ouzicheng");        //获取到根元素        Element root = document.getRootElement();        //把新创建的name节点挂在根节点下面        root.add(newElement);        //创建带有格式的对象        OutputFormat outputFormat = OutputFormat.createPrettyPrint();        //设置编码，默认的编码是gb2312，读写的编码不一致，会导致乱码的！        outputFormat.setEncoding("UTF-8");        //创建XMLWriter对象        XMLWriter xmlWriter = new XMLWriter(new FileWriter("2.xml"), outputFormat);        //XMLWriter对象写入的是document        xmlWriter.write(document);        //关闭流        xmlWriter.close();    }

效果如下，是有格式的！

在指定的位置增加节点！现在我想的就是在age属性前面添加节点！

//创建一个新节点        Element element = DocumentHelper.createElement("name");        element.setText("ouzciheng");        //获取得到person下所有的节点元素！        List list = document.getRootElement().elements();        //将节点添加到指定的位置上        list.add(1, element);

效果图：

修改

XMLWriter和获取Document对象的代码我就不贴出来了，反正都是一样的了！

//获取得到age元素        Element age = document.getRootElement().element("age");        age.setText("9999");

效果如下：

删除

XMLWriter和获取Document对象的代码我就不贴出来了，反正都是一样的了！

//获取得到age节点        Element age = document.getRootElement().element("age");        //得到age节点的父节点，使用父节点的remove删除age节点！        age.getParent().remove(age);

效果：

XPATH

什么是XPATH

XPath 是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航。

为什么我们需要用到XPATH

上面我们使用dom4j的时候，要获取某个节点，都是通过根节点开始，一层一层地往下寻找，这就有些麻烦了！

如果我们用到了XPATH这门语言，要获取得到XML的节点，就非常地方便了！

快速入门

使用XPATH需要导入开发包jaxen-1.1-beta-7，我们来看官方的文档来入门吧。

XPATH的文档非常国际化啊，连中文都有

XPATH文档中有非常多的实例，非常好学，对着来看就知道了！

我们来用XPATH技术读取XML文件的信息吧，XML文档如下：

之前，我们是先获取根节点，再获取guangdong节点再获取guangzhou节点，然后才能读取tianhe节点或者luogang节点的，下面我们来看一下使用XPATH可以怎么的便捷！

//直接获取到luogang节点        org.dom4j.Node node =  document.selectSingleNode("//luogang");        //获取节点的内容        String value = node.getText();        System.out.println(value);