XML教程——XML解析器

Parser基础

一个 XML Parser(解析器)是一段可以读入一个文档并分析其结构的代码。

在本章节，我们将讨论如何使用一个 XML 解析器来读入一个 XML 文档。我们也将讨论不同类型的解析器以及您在何时使用它们。

---

回页首

如何使用一个解析器

通常而言，使用一个解析器需要如下步骤：

1. 创建一个解析器对象
2. 将您的 XML 文档传递给解析器
3. 处理结果

构建一个 XML 应用显然远远超出这些，但通常一个 XML 的应用将包含这些流程。

---

回页首

解析器种类

有不同的方法来划分解析器种类：

1. 验证或非验证解析器
2. 支持 Document Object Model (DOM) 的解析器
3. 支持 Simple API for XML (SAX) 的解析器
4. 特定语言编写的解析器 (Java, C++, Perl 等)

接下来我们将讨论这几种解析器的各自特点.

---

回页首

验证或非验证解析器

如我们在前面所提及的，XML 文档如果使用一个 DTD 并符合 DTD 中的规则将被称为有效文档(valid document)。符合基本标记规则的 XML 文档被称为格式正确文档(well-formed document)。

XML 规范要求所有的解析器当其发现一个文档不是格式正确时要报错。

验证(Validation)则是另一个问题了。验证解析器(Validating parser)在解析 XML 文档同时进行验证。非验证解析器(Non-validating parser) 忽略所有的验证错误。

换而言之，如果一个 XML 文档是格式正确的时，一个非验证解析器并不关注文档是否符合其对应 DTD 所指定的规则(如果有的话)。

---

回页首

为何使用非验证解析器？

速度和效率。要一个 XML 解析器处理 DTD 并确保每个 XML 的元素符合在 DTD 中的规则需要相当大的开销。如果您确定一个 XML 文档是有效的(可能来自一个数据源)，那就没有必要再次验证它了。

同样，有时您所需要的只是从一个文档中找出 XML 的标记。一旦您有了这些标记，您可以将数据从中提取出然后加以处理。如果这就是您所需要的，一个非验证解析器就是正确的选择。

---

回页首

Document Object Model (DOM)

文档对象模型(Document Object Model)是 World Wide Web Consortium(W3C) 的正式推荐。它定义了一个接口使得程序可以存取和更新 XML 文档的风格、结构和内容。支持 DOM 的 XML 解析器实现该接口。

该规范的第一版，DOM Level 1，可从 http://www.w3.org/TR/REC-DOM-Level-1 获得。

当您用一个 DOM 解析器来解析一个 XML 文档时，您将获得一个包含文档中所有元素的树结构。DOM 提供了不同的功能来检查文档的内容和结构。

---

回页首

Simple API for XML (SAX)

SAX API 是另一种处理 XML 文档内容的方法。一个既成事实的标准，它由 David Megginson 和 XML-Dev 邮件列表其它成员所开发。

要查看完整的 SAX 标准，参见 www.megginson.com/SAX/。要参加 XML-Dev 邮件列表，发送邮件到 [e-mail] 其中包含： subscribe xml-dev。

当您使用 SAX 解析器来解析 XML 文档时，解析器在文档的不同处将产生事件。由您来决定对每个事件如何处理。

SAX 解析器会在以下情况下产生事件：在文档开始和结束时，在一个元素开始和结束时，或者它在一个元素中找到字符时，以及其它若干点。您可编写 Java 代码来处理每个事件，以及如何处理从解析器获得的信息。

---

回页首

何时使用 SAX？何时使用 DOM？

为了确定哪种接口适合您，您需要理解所有接口的设计要点，而且需要理解应用程序用您将要处理的 XML 文档来做什么。考虑下面的问题将有助于您找到正确的方法。

1. 要用 Java 编写应用程序吗？
   JAXP 使用 DOM、SAX 和 JDOM；如果您用 Java 编写代码，那么您应使用 JAXP 将您的代码与各种解析器实现的细节隔离。
2. 应用程序将如何部署？
   如果您的应用程序将要作为 Java applet 部署，那么您会希望使要下载的代码数量最小，别忘了 SAX 解析器比 DOM 解析器小。还要知道使用 JDOM 时，除了 SAX 或 DOM 解析器之外还要求编写少量的代码。
3. 一旦解析了 XML 文档，还需要多次访问那些数据吗？
   如果您需要回过头来访问 XML 文件的已解析版本，DOM 可能是正确的选择。而 SAX 事件被触发时，如果您以后需要它，则由您（开发人员）自己决定以某种方式保存它。如果您需要访问不曾保存的事件，则必须再次解析该文件。而 DOM 自动保存所有的数据。
4. 只需要 XML 源文件的少量内容吗？
   如果您只需要 XML 源文件的少量内容，那么 SAX 可能是正确的选择。SAX 不会为源文件中的每个东西创建对象；您要确定什么是重要的。使用 SAX，您要检查每个事件以了解它是否与您的需要有关，然后相应地处理它。更妙的是，一旦找到您正在寻找的东西，您的代码就会抛出一个异常来完全停止 SAX 解析器。
5. 您正在一台内存很少的机器上工作吗？
   若是的话，不管您可能考虑到的其它因素是什么，SAX 是您的最佳选择。

要知道还存在用于其它语言的 XML API；尤其是 Perl 和 Python 社区有极佳的 XML 工具。

<!-- CMA ID: 162354 --><!-- Site ID: 10 --><!-- XSLT stylesheet used to transform this file: dw-article-6.0-beta.xsl -->

 

参考资料

• Java
  
  IBM 的解析器，XML4J，可从 www.alphaWorks.ibm.com/tech/xml4j 获得。
  James Clark 的解析器，XP，可从 www.jclark.com/xml/xp 获得。
  Sun 的 XML 解析器可从 developer.java.sun.com/products/xml/ (您必需成为 Java Developer Connection 的会员)下载。
  DataChannel 的 XJParser 可从 xdev.datachannel.com/downloads/xjparser/ 获得。
  
  
• C++
  
  IBM 的 XML4C 解析器可从 www.alphaWorks.ibm.com/tech/xml4c 获得。
  James Clark 的 C++ 解析器，expat，可从 www.jclark.com/xml/expat.html 获得。
  
  
• Perl
  
  有多种 Perl 语言的 XML 解析器。要获得更多信息，参见 www.perlxml.com/faq/perl-xml-faq.html。
  
  
• Python
  
  要获得更多 Python 语言的 XML 解析器，参见 www.python.org/topics/xml/。