用Dom4j解析XML及中文问题[转]

本文主要讨论了用dom4j解析XML的基础问题，包括建立XML文档，添加、修改、删除节点，以及格式化（美化）输出和中文问题。可作为dom4j的入门资料。

 

1． 下载与安装

 

dom4j是sourceforge.net上的一个开源项目，主要用于对XML的解析。从2001年7月发布第一版以来，已陆续推出多个版本，目前最高版本为1.5。

dom4j专门针对Java开发，使用起来非常简单、直观，在Java界，dom4j正迅速普及。

 

可以到http://sourceforge.net/projects/dom4j下载其最新版。

 

dom4j1.5的完整版大约13M，是一个名为dom4j-1.5.zip的压缩包，解压后有一个dom4j-1.5.jar文件，这就是应用时需要引入的类包，另外还有一个jaxen-1.1-beta-4.jar文件，一般也需要引入，否则执行时可能抛java.lang.NoClassDefFoundError: org/jaxen/JaxenException异常，其他的包可以选择用之。

 

2． 示例XML文档（holen.xml）

 

为了述说方便，先看一个XML文档，之后的操作均以此文档为基础。

 

holen.xml

<?xml version="1.0" encoding="UTF-8"?>

<books>

       <!--This is a test for dom4j, holen, 2004.9.11-->

       <book show="yes">

              <title>Dom4j Tutorials</title>

       </book>

       <book show="yes">

              <title>Lucene Studing</title>

       </book>

       <book show="no">

              <title>Lucene in Action</title>

       </book>

       <owner>O'Reilly</owner>

</books>

 

这是一个很简单的XML文档，场景是一个网上书店，有很多书，每本书有两个属性，一个是书名[title]，一个为是否展示[show]，最后还有一项是这些书的拥有者[owner]信息。

 

3． 建立一个XML文档

 

 

    /**

     * 建立一个XML文档,文档名由输入属性决定

     * @param filename 需建立的文件名

     * @return 返回操作结果, 0表失败, 1表成功

     */

    public int createXMLFile(String filename){

       /** 返回操作结果, 0表失败, 1表成功 */

       int returnValue = 0;

       /** 建立document对象 */

       Document document = DocumentHelper.createDocument();

       /** 建立XML文档的根books */

       Element booksElement = document.addElement("books");

       /** 加入一行注释 */

       booksElement.addComment("This is a test for dom4j, holen, 2004.9.11");

       /** 加入第一个book节点 */

       Element bookElement = booksElement.addElement("book");

       /** 加入show属性内容 */

       bookElement.addAttribute("show","yes");

       /** 加入title节点 */

       Element titleElement = bookElement.addElement("title");

       /** 为title设置内容 */

       titleElement.setText("Dom4j Tutorials");

      

       /** 类似的完成后两个book */

       bookElement = booksElement.addElement("book");

       bookElement.addAttribute("show","yes");

       titleElement = bookElement.addElement("title");

       titleElement.setText("Lucene Studing");

       bookElement = booksElement.addElement("book");

       bookElement.addAttribute("show","no");

       titleElement = bookElement.addElement("title");

       titleElement.setText("Lucene in Action");

      

       /** 加入owner节点 */

       Element ownerElement = booksElement.addElement("owner");

       ownerElement.setText("O'Reilly");

      

       try{

           /** 将document中的内容写入文件中 */

           XMLWriter writer = new XMLWriter(new FileWriter(new File(filename)));

           writer.write(document);

           writer.close();

           /** 执行成功,需返回1 */

           returnValue = 1;

       }catch(Exception ex){

           ex.printStackTrace();

       }

             

       return returnValue;

    }

 

说明：

Document document = DocumentHelper.createDocument();

通过这句定义一个XML文档对象。

 

Element booksElement = document.addElement("books");

通过这句定义一个XML元素，这里添加的是根节点。

Element有几个重要的方法：

l         addComment：添加注释

l         addAttribute：添加属性

l         addElement：添加子元素

 

最后通过XMLWriter生成物理文件，默认生成的XML文件排版格式比较乱，可以通过OutputFormat类的createCompactFormat()方法或createPrettyPrint()方法格式化输出，默认采用createCompactFormat()方法，显示比较紧凑，这点将在后面详细谈到。

 

生成后的holen.xml文件内容如下：

 

 

<?xml version="1.0" encoding="UTF-8"?>

<books><!--This is a test for dom4j, holen, 2004.9.11--><book show="yes"><title>Dom4j Tutorials</title></book><book show="yes"><title>Lucene Studing</title></book><book show="no"><title>Lucene in Action</title></book><owner>O'Reilly</owner></books>

 

4． 修改XML文档

 

有三项修改任务，依次为：

l         如果book节点中show属性的内容为yes,则修改成no

l         把owner项内容改为Tshinghua，并添加date节点

l         若title内容为Dom4j Tutorials,则删除该节点

 

 

    /**

     * 修改XML文件中内容,并另存为一个新文件

     * 重点掌握dom4j中如何添加节点,修改节点,删除节点

     * @param filename 修改对象文件

     * @param newfilename 修改后另存为该文件

     * @return 返回操作结果, 0表失败, 1表成功

     */

    public int ModiXMLFile(String filename,String newfilename){

       int returnValue = 0;

       try{

           SAXReader saxReader = new SAXReader();

           Document document = saxReader.read(new File(filename));

           /** 修改内容之一: 如果book节点中show属性的内容为yes,则修改成no */

           /** 先用xpath查找对象 */

           List list = document.selectNodes("/books/book/@show" );

           Iterator iter = list.iterator();

           while(iter.hasNext()){

              Attribute attribute = (Attribute)iter.next();

              if(attribute.getValue().equals("yes")){

                  attribute.setValue("no");

              }  

           }

          

           /**

            * 修改内容之二: 把owner项内容改为Tshinghua

            * 并在owner节点中加入date节点,date节点的内容为2004-09-11,还为date节点添加一个属性type

            */

           list = document.selectNodes("/books/owner" );

           iter = list.iterator();

           if(iter.hasNext()){

              Element ownerElement = (Element)iter.next();

              ownerElement.setText("Tshinghua");

              Element dateElement = ownerElement.addElement("date");

              dateElement.setText("2004-09-11");

              dateElement.addAttribute("type","Gregorian calendar");

           }

          

           /** 修改内容之三: 若title内容为Dom4j Tutorials,则删除该节点 */

           list = document.selectNodes("/books/book");

           iter = list.iterator();

           while(iter.hasNext()){

              Element bookElement = (Element)iter.next();

              Iterator iterator = bookElement.elementIterator("title");

               while(iterator.hasNext()){

                  Element titleElement=(Element)iterator.next();

                  if(titleElement.getText().equals("Dom4j Tutorials")){

                     bookElement.remove(titleElement);

                  }

              }

           }         

          

           try{

              /** 将document中的内容写入文件中 */

              XMLWriter writer = new XMLWriter(new FileWriter(new File(newfilename)));

              writer.write(document);

              writer.close();

              /** 执行成功,需返回1 */

              returnValue = 1;

           }catch(Exception ex){

              ex.printStackTrace();

           }

          

       }catch(Exception ex){

           ex.printStackTrace();

       }

       return returnValue;

    }

   

 

说明：

List list = document.selectNodes("/books/book/@show" );

list = document.selectNodes("/books/book");

上述代码通过xpath查找到相应内容。

 

通过setValue()、setText()修改节点内容。

 

通过remove()删除节点或属性。

 

5． 格式化输出和指定编码

 

默认的输出方式为紧凑方式，默认编码为UTF-8，但对于我们的应用而言，一般都要用到中文，并且希望显示时按自动缩进的方式的显示，这就需用到OutputFormat类。

 

 

   

    /**

     * 格式化XML文档,并解决中文问题

     * @param filename

     * @return

     */

    public int formatXMLFile(String filename){

       int returnValue = 0;

       try{

           SAXReader saxReader = new SAXReader();

           Document document = saxReader.read(new File(filename));

           XMLWriter writer = null;

           /** 格式化输出,类型IE浏览一样 */

           OutputFormat format = OutputFormat.createPrettyPrint();

           /** 指定XML编码 */

           format.setEncoding("GBK");

           writer= new XMLWriter(new FileWriter(new File(filename)),format);

           writer.write(document);

           writer.close();     

           /** 执行成功,需返回1 */

           returnValue = 1;    

       }catch(Exception ex){

           ex.printStackTrace();

       }

       return returnValue;

    }

 

说明：

 

OutputFormat format = OutputFormat.createPrettyPrint();

这句指定了格式化的方式为缩进式，则非紧凑式。

 

format.setEncoding("GBK");

指定编码为GBK。

 

XMLWriter writer = new XMLWriter(new FileWriter(new File(filename)),format);

这与前面两个方法相比，多加了一个OutputFormat对象，用于指定显示和编码方式。

 

6． 完整的类代码

 

前面提出的方法都是零散的，下面给出完整类代码。

 

Dom4jDemo.java

package com.holen.dom4j;

 

import java.io.File;

import java.io.FileWriter;

import java.util.Iterator;

import java.util.List;

 

import org.dom4j.Attribute;

import org.dom4j.Document;

import org.dom4j.DocumentHelper;

import org.dom4j.Element;

import org.dom4j.io.OutputFormat;

import org.dom4j.io.SAXReader;

import org.dom4j.io.XMLWriter;

 

/**

 * @author Holen Chen

 */

public class Dom4jDemo {

   

    public Dom4jDemo() {

    }

 

    public int createXMLFile(String filename){…}

    public int ModiXMLFile(String filename,String newfilename){…}

    public int formatXMLFile(String filename){…}

 

    public static void main(String[] args) {

       Dom4jDemo temp = new Dom4jDemo();

       System.out.println(temp.createXMLFile("d://holen.xml"));        System.out.println(temp.ModiXMLFile("d://holen.xml","d://holen2.xml"));

       System.out.println(temp.formatXMLFile("d://holen2.xml"));

    }

}

 

说明：

main()方法中依次调用三个方法，第一个方法用于生成holen.xml，第二个方法用于修改holen.xml，并且修改后的内容另存为holen2.xml，第三个方法将holen2.xml格式化缩进式输出，并指定编码方式为GBK。

 

重新格式化后holen2.xml文件显示如下：

 

项目视图供参考：

 

7． 总结

 

总的来说，dom4j的使用是很简单的，而且与Java结合紧密，功能强大。

 

参考资料

 

1．  dom4j文档

2．  使用 dom4j 解析 XML（Deepak Vohra，developerWorks）