XML文档解析及用dom解析xml

关于XML DOM模型更重要的参考资源：
http://www.w3school.com.cn/xmldom/dom_nodes.asp
一、前言
用Java解析XML文档，目前有以下方法：
         首先是DOM，DOM 是用与平台和语言无关的方式表示 XML 文档的官方 W3C 标准。DOM 是以层次结构组织的节点或信息片断的集合。这个层次结构允许开发人员在树中寻找特定信息。分析该结构通常需要加载整个文档和构造层次结构，然后才能做任何工作。由于它是基于信息层次的，因而 DOM 被认为是基于树或基于对象的。DOM 以及广义的基于树的处理具有几个优点。   
    首先，由于树在内存中是持久的，因此可以修改它以便应用程序能对数据和结构作出更改。它还可以在任何时候在树中上下导航，而不是像 SAX 那样是一次性的处理。DOM 使用起来也要简单得多。

　　另一方面，对于特别大的文档，解析和加载整个文档可能很慢且很耗资源，因此使用其他手段来处理这样的数据会更好。这些基于事件的模型，比如 SAX。 接着是 SAX这种处理的优点非常类似于流媒体的优点。分析能够立即开始，而不是等待所有的数据被处理。而且，由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。事实上，应用程序甚至不必解析整个文档；它可以在某个条件得到满足时停止解析。一般来说，SAX 还比它的替代者 DOM 快许多 再接着是 JDOM JDOM 的目的是成为 Java 特定文档模型，它简化与 XML 的交互并且比使用 DOM 实现更快。由于是第一个 Java 特定模型，JDOM 一直得到大力推广和促进。正在考虑通过“Java 规范请求 JSR-102”将它最终用作“Java 标准扩展”。从 2000 年初就已经开始了 JDOM 开发。

　　JDOM 与 DOM 主要有两方面不同。首先，JDOM 仅使用具体类而不使用接口。这在某些方面简化了 API，但是也限制了灵活性。第二，API 大量使用了 Collections 类，简化了那些已经熟悉这些类的 Java 开发者的使用。

　　JDOM 文档声明其目的是“使用 20%（或更少）的精力解决 80%（或更多）Java/XML 问题”（根据学习曲线假定为 20%）。JDOM 对于大多数 Java/XML 应用程序来说当然是有用的，并且大多数开发者发现 API 比 DOM 容易理解得多。JDOM 还包括对程序行为的相当广泛检查以防止用户做任何在 XML 中无意义的事。然而，它仍需要您充分理解 XML 以便做一些超出基本的工作（或者甚至理解某些情况下的错误）。这也许是比学习 DOM 或 JDOM 接口都更有意义的工作。

　　JDOM 自身不包含解析器。它通常使用 SAX2 解析器来解析和验证输入 XML 文档（尽管它还可以将以前构造的 DOM 表示作为输入）。它包含一些转换器以将 JDOM 表示输出成 SAX2 事件流、DOM 模型或 XML 文本文档。JDOM 是在 Apache 许可证变体下发布的开放源码。
最后是 DOM4Jhttp://dom4j.sourceforge.net/。
虽然 DOM4J 代表了完全独立的开发结果，但最初，它是 JDOM 的一种智能分支。它合并了许多超出基本 XML 文档表示的功能，包括集成的 XPath 支持、XML Schema 支持以及用于大文档或流化文档的基于事件的处理。它还提供了构建文档表示的选项，它通过 DOM4J API 和标准 DOM 接口具有并行访问功能。从 2000 下半年开始，它就一直处于开发之中。

　　为支持所有这些功能，DOM4J 使用接口和抽象基本类方法。DOM4J 大量使用了 API 中的 Collections 类，但是在许多情况下，它还提供一些替代方法以允许更好的性能或更直接的编码方法。直接好处是，虽然 DOM4J 付出了更复杂的 API 的代价，但是它提供了比 JDOM 大得多的灵活性。

　　在添加灵活性、XPath 集成和对大文档处理的目标时，DOM4J 的目标与 JDOM 是一样的：针对 Java 开发者的易用性和直观操作。它还致力于成为比 JDOM 更完整的解决方案，实现在本质上处理所有 Java/XML 问题的目标。在完成该目标时，它比 JDOM 更少强调防止不正确的应用程序行为。

　　DOM4J 是一个非常非常优秀的Java XML API，具有性能优异、功能强大和极端易用使用的特点，同时它也是一个开放源代码的软件。如今你可以看到越来越多的 Java 软件都在使用 DOM4J 来读写 XML，特别值得一提的是连 Sun 的 JAXM 也在用 DOM4J。 JDOM 和 DOM 在性能测试时表现不佳，在测试 10M 文档时内存溢出。在小文档情况下还值得考虑使用 DOM 和 JDOM。虽然 JDOM 的开发者已经说明他们期望在正式发行版前专注性能问题，但是从性能观点来看，它确实没有值得推荐之处。另外，DOM 仍是一个非常好的选择。DOM 实现广泛应用于多种编程语言。它还是许多其它与 XML 相关的标准的基础，因为它正式获得 W3C 推荐（与基于非标准的 Java 模型相对），所以在某些类型的项目中可能也需要它（如在 JavaScript 中使用 DOM）。

　　SAX表现较好，这要依赖于它特定的解析方式。一个 SAX 检测即将到来的XML流，但并没有载入到内存（当然当XML流被读入时，会有部分文档暂时隐藏在内存中）。

　　无疑，DOM4J是这场测试的获胜者，目前许多开源项目中大量采用 DOM4J，例如大名鼎鼎的 Hibernate 也用 DOM4J 来读取 XML 配置文件。如果不考虑可移植性，那就采用DOM4J吧！

        使用基于事件的XML简单API（Simple API for XML）称为SAX和基于树和节点的文档对象模型（Document Object Module）称为DOM。Sun公司提供了Java API for XML Parsing（JAXP）接口来使用SAX和DOM，通过JAXP，我们可以使用任何与JAXP兼容的XML解析器。
JAXP接口包含了三个包：
（1）org.w3c.dom　W3C推荐的用于XML标准规划文档对象模型的接口。
（2）org.xml.sax　用于对XML进行语法分析的事件驱动的XML简单API（SAX）
（3）javax.xml.parsers解析器工厂工具，程序员获得并配置特殊的特殊语法分析器。
二、前提

DOM编程不要其它的依赖包，因为JDK里自带的JDK里含有的上面提到的org.w3c.dom、org.xml.sax 和javax.xml.parsers包就可以满意条件了。

三、使用DOM解析XML文档

我们现在来看看DOM是如何解析XML的吧！同样的，我将从一个简单的不能再简单的例子来说明DOM是如何解析XML文档的，先让我们看看XML是什么内容吧：

<?xml version="1.0" encoding="gb2312"?>
<books>
<book email="zhoujunhui">
<name>rjzjh</name>
<price>jjjjjj</price>
</book>
</books>

简单的不能再简单了。但是该有的都有了，根元素、属性、子节点。好了，能反应问题就行了，下面来看看解析这个XML文件的Java代码吧！

package com.cn.pdager;

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStream;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;

import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
import org.xml.sax.SAXException;

public class test {
  public void DomParse() {
// 得到DOM解析器的工厂实例
// javax.xml.parsers.DocumentBuilderFactory类的实例就是我们要的解析器工厂
  DocumentBuilderFactory domfac =DocumentBuilderFactory.newInstance();
try {
/* 通过javax.xml.parsers.DocumentBuilderFactory实例的静态方法newDocumentBuilder()得到DOM解析器*/
  DocumentBuilder dombuilder = domfac.newDocumentBuilder();
// 把要解析的XML文档转化为输入流，以便DOM解析器解析它
   InputStream is = new FileInputStream(
					"C:\\Documents and Settings\\Billy\\My Documents\\library.xml");

// 解析XML文档的输入流，得到一个Document
// 由XML文档的输入流得到一个org.w3c.dom.Document对象，以后的处理都是对//Document对象进行的
	Document doc = dombuilder.parse(is);

// 得到XML文档的根节点
// 在DOM中只有根节点是一个org.w3c.dom.Element对象。
	Element root = doc.getDocumentElement();

// 得到节点的子节点
// 这是用一个org.w3c.dom.NodeList接口来存放它所有子节点的，还有一种轮循子节点//的方法
   NodeList books = root.getChildNodes();
     if (books != null) {
	for (int i = 0; i < books.getLength(); i++) {
		Node book = books.item(i);
		if (book.getNodeType() == Node.ELEMENT_NODE) {

// 取得节点的属性值
// 注意，节点的属性也是它的子节点。它的节点类型也是Node.ELEMENT_NODE
		String email = book.getAttributes().getNamedItem(								"email").getNodeValue();
						      System.out.println(email);

// 轮循子节点
  for (Node node = book.getFirstChild(); node != null; node = node
						.getNextSibling()) {
	if (node.getNodeType() == Node.ELEMENT_NODE) {
	  if (node.getNodeName().equals("name")) {
									     String name = node.getNodeValue();
									String name1 = node.getFirstChild()
											.getNodeValue();
									System.out.println(name);
									System.out.println(name1);
								}
								if (node.getNodeName().equals("price")) {
									String price = node.getFirstChild()
											.getNodeValue();
									System.out.println(price);
								}
							}
						}
					}
				}
			}
		} catch (ParserConfigurationException e) {
			e.printStackTrace();
		} catch (FileNotFoundException e) {
			e.printStackTrace();
		} catch (SAXException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}
	}

	public static void main(String[] args) {
		test domp = new test();
		domp.DomParse();
	}
}

四、代码解释

先看看这个程序引用类：

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStream;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;

//下面主要是org.xml.sax包的类

import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
import org.xml.sax.SAXException;

上面那么简单的代码一看就明白了，但是为了介绍个DOM编程的大概还是来看看这个程序吧：

（1）得到DOM解析器的工厂实例

DocumentBuilderFactory domfac=DocumentBuilderFactory.newInstance();
得到javax.xml.parsers.DocumentBuilderFactory;类的实例就是我们要的解析器工厂

（2）从DOM工厂获得DOM解析器

DocumentBuilder dombuilder=domfac.newDocumentBuilder();
通过javax.xml.parsers.DocumentBuilderFactory实例的静态方法newDocumentBuilder()得到DOM解析器

（3）把要解析的XML文档转化为输入流，以便DOM解析器解析它

InputStream is=new FileInputStream("bin/library.xml");
InputStream是一个接口。

（4）解析XML文档的输入流，得到一个Document

Document doc=dombuilder.parse(is);
由XML文档的输入流得到一个org.w3c.dom.Document对象，以后的处理都是对Document对象进行的

（5）得到XML文档的根节点

Element root=doc.getDocumentElement();
在DOM中只有根节点是一个org.w3c.dom.Element对象。

（6）得到节点的子节点

NodeList　books=root.getChildNodes();
for(int i=0;i<books.getLength();i++){
Node book=books.item(i);
}
这是用一个org.w3c.dom.NodeList接口来存放它所有子节点的，还有一种轮循子节点的方法，后面有介绍

（7）取得节点的属性值

String email=book.getAttributes().getNamedItem("email").getNodeValue();
System.out.println(email);
注意，节点的属性也是它的子节点。它的节点类型也是Node.ELEMENT_NODE

（8）轮循子节点

for(Node node=book.getFirstChild();node!=null;node=node.getNextSibling()){
    if(node.getNodeType()==Node.ELEMENT_NODE){
        if(node.getNodeName().equals("name")){
            String name=node.getNodeValue();
            String name1=node.getFirstChild().getNodeValue();
            System.out.println(name);
            System.out.println(name1);
        }
    if(node.getNodeName().equals("price")){
        String price=node.getFirstChild().getNodeValue();
        System.out.println(price);
    }
}

这段代码的打印输出为：
null
alterrjzjh
jjjjjj
从上面可以看出
String name=node.getNodeValue();　 是一个空值。而
String name1=node.getFirstChild().getNodeValue();　才是真正的值，这是因为DOM把<name> rjzjh</name>也当作是两层结构的节点，其父节点为<name>节点本身，且它只有一个子节点（如果有属性的话就不止 一个了！），子节点是它的值“rjzjh”，所以我们看到上面的结果。
还有，子节点的节点类型也是Node.ELEMENT_NODE型的，node.getNextSibling()方法是取下一个相邻的节点。

五、DOM结点

DOM是一些节点的集合，由于文档中可能包含有不同类型的信息，所以定义了几种不同类型的节点。DOM中最常见的节点类型有：

（1）元素：
元素是XML的基本构件。元素的子节点可以是其它元素、文本节点或两者都有。元素节点还可以只含有属性这一唯一类型的节点。

（2）属性：
属性节点包含关于元素节点的信息，但它不是元素的子节点

（3）文本：
文本节点文本信息，或干脆是空白的文本。

注意：空白文本，回车换行也是文本节点

（4）文档：
文档节点是整个文档中所有其它节点的父节点
元素是一种很重要的类型节点，元素节点可以是其他节点的容器。

六、DOM解析XML文档的步骤：

主要几步见第四点的（1），（2），（3），（4）步骤