xml总结三

W3C制定了一套书写XML分析器的标准接口规范--DOM。除此之外，
XML_DEV邮件列表中的成员根据应用的需求也自发地定义了一套对XML文档
进行操作的接口规范--SAX。这两种接口规范各有侧重，互有长短，应用都
比较广泛。
下面，我们给出DOM和SAX在应用程序开发过程中所处地位的示意图。从
图中可以看出，应用程序不是直接对XML文档进行操作的，而是首先由XML分
析器对XML文档进行分析，然后，应用程序通过XML分析器所提供的DOM接口
或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。
DOM和SAX
DOM的全称是Document Object Model，也即文档对象模型。在应用
程序中，基于DOM的XML分析器将一个XML文档转换成一个对象模型的集合
（通常称DOM树），应用程序正是通过对这个对象模型的操作，来实现对XML
文档数据的操作。通过DOM接口，应用程序可以在任何时候访问XML文档中的
任何一部分数据，因此，这种利用DOM接口的机制也被称作随机访问机制。
DOM接口提供了一种通过分层对象模型来访问XML文档信息的方式，这些
分层对象模型依据XML的文档结构形成了一棵节点树。无论XML文档中所描述
的是什么类型的信息，即便是制表数据、项目列表或一个文档，利用DOM所
生成的模型都是节点树的形式。也就是说，DOM强制使用树模型来访问XML文
档中的信息。由于XML本质上就是一种分层结构，所以这种描述方法是相当
有效的。
DOM树所提供的随机访问方式给应用程序的开发带来了很大的灵活性，它
可以任意地控制整个XML文档中的内容。然而，由于DOM分析器把整个XML文
档转化成DOM树放在了内存中，因此，当文档比较大或者结构比较复杂时，
对内存的需求就比较高。而且，对于结构复杂的树的遍历也是一项耗时的操
作。所以，DOM分析器对机器性能的要求比较高，实现效率不十分理想。不
过，由于DOM分析器所采用的树结构的思想与XML文档的结构相吻合，同时鉴
于随机访问所带来的方便，因此，DOM分析器还是有很广泛的使用价值的。
DOM
对于XML应用开发来说，DOM就是一个对象化的XML数据接口，一
个与语言无关、与平台无关的标准接口规范。它定义了HTML文档和
XML文档的逻辑结构，给出了一种访问和处理HTML文档和XML文档的
方法。利用DOM，程序开发人员可以动态地创建文档，遍历文档结构，
添加、修改、删除文档内容，改变文档的显示方式等等。可以这样说，
文档代表的是数据，而DOM则代表了如何去处理这些数据。无论是在浏
览器里还是在浏览器外，无论是在服务器上还是在客户端，只要有用
到XML的地方，就会碰到对DOM的应用。
作为W3C的标准接口规范，目前，DOM由三部分组成，包括：核心
（core）、HTML和XML。核心部分是结构化文档比较底层对象的集合，
这一部分所定义的对象已经完全可以表达出任何HTML和XML文档中的
数据了。HTML接口和XML接口两部分则是专为操作具体的HTML文档和
XML文档所提供的高级接口，使对这两类文件的操作更加方便。
DOM的组成
<?xml version="1.0" encoding="gb2312"?>
<addressbook>
<person sex = "male">
<name>张三</name>
<email>[e-mail]</email>
</person>
<person sex = "male">
<name>李四</name>
<email>[e-mail]</email>
</person>
</addressbook>
DOM树
<?xml version="1.0" encoding="gb2312" ?>
<books>
<book>
<author>至尊宝</author>
<title>倘若时光倒流</title >
</book>
<book>
<author>白晶晶</author>
<title>月光宝盒实用大全</title>
</book>
</books> 
文本
author
books
book
book
author
title
title
至尊宝  倘若时光倒流  白晶晶  月光宝盒实用大全
文档（根节点）
根元素
节点
元素
• 最常见的节点类型：
– 元素：元素是 XML 的基本构件。典型地，元素可以有
其它元素、文本节点或两者兼有来作为其子节点。元素
节点还是可以有属性的唯一类型的节点。
– 属性：属性节点包含关于元素节点的信息，但实际上，
不认为它是元素的子节点
– 文本：确切来讲，文本节点是：文本。它可以包含许多
信息或仅仅是空白。
– 文档（根节点）：文档节点是整个文档中所有其它节点
的父节点。(根节点不等于根元素节点！)
• 较不常见的节点类型：CDATA、注释、处理指令
文档对象模型利用对象来把文档模型化，这些模型不仅描述了文档的结
构，还定义了模型中对象的行为。换句话说，在上面给出的例子里，图中的
节点不是数据结构，而是对象，对象中包含方法和属性。在DOM中，对象模
型要实现：
•用来表示、操作文档的接口
•接口的行为和属性
•接口之间的关系以及互操作
在DOM接口规范中，有四个基本的接口：Document，Node，NodeList
以及NamedNodeMap。在这四个基本接口中，Document接口是对文档进行
操作的入口，它是从Node接口继承过来的。Node接口是其他大多数接口的
父类，象Document，Element，Attribute，Text，Comment等接口都
是从Node接口继承过来的。NodeList接口是一个节点的集合，它包含了某
个节点中的所有子节点。NamedNodeMap接口也是一个节点的集合，通过该
接口，可以建立节点名和节点之间的一一映射关系，从而利用节点名可以直
接访问特定的节点。
DOM的四个基本接口
Document接口代表了整个XML/HTML文档，因此，它是整棵文档树的根，提供了
对文档中的数据进行访问和操作的入口。
由于元素、文本节点、注释、处理指令等都不能脱离文档的上下文关系而独立存在，
所以在Document接口提供了创建其他节点对象的方法，通过该方法创建的节点对象都
有一个ownerDocument属性，用来表明当前节点是由谁所创建的以及节点同
Document之间的联系。
在DOM树中，Document接口同其他接口之间的关系如下图所示：
Document接口
Node接口在整个DOM树中具有举足轻重的地位，DOM接口中有很大一部分接口是从
Node接口继承过来的，例如，Element、Attr、CDATASection等接口，都是从
Node继承过来的。在DOM树中，Node接口代表了树中的一个节点。一个典型的Node
接口如下图所示：
Node接口
NodeList接口提供了对节点集合的抽象定义，它并不包含如何实现这个
节点集的定义。NodeList用于表示有顺序关系的一组节点，比如某个节点
的子节点序列。另外，它还出现在一些方法的返回值中，例如
getElementsByTagName。
在DOM中，NodeList的对象是"live"的，换句话说，对文档的改变，
会直接反映到相关的NodeList对象中。例如，如果通过DOM获得一个
NodeList对象，该对象中包含了某个Element节点的所有子节点的集合，
那么，当再通过DOM对Element节点进行操作（添加、删除、改动节点中的
子节点）时，这些改变将会自动地反映到NodeList对象中，而不需DOM应用
程序再做其他额外的操作。
NodeList中的每个item都可以通过一个索引来访问，该索引值从0开始。
NodeList接口
实现了NamedNodeMap接口的对象中包含了可以通过名字来访问的一组
节点的集合。不过注意，NamedNodeMap并不是从NodeList继承过来的，
它所包含的节点集中的节点是无序的。尽管这些节点也可以通过索引来进行
访问，但这只是提供了枚举NamedNodeMap中所包含节点的一种简单方法，
并不表明在DOM规范中为NamedNodeMap中的节点规定了一种排列顺序。
NamedNodeMap表示的是一组节点和其唯一名字的一一对应关系，这个接口
主要用在属性节点的表示上。
与NodeList相同，在DOM中，NamedNodeMap对象也是"live"的。
NamedNodeMap接口
• XML解析器实际上就是一段代码，它读
入一个XML文档并分析其结构。
• 分类：
– 带校验的解析器
– 不校验的解析器（效率高）
– 支持DOM的解析器（W3C的官方标准 ）
– 支持SAX的解析器（事实上的工业标准 ）
应用程序
解析器
XML文档
• 文档对象模型
• 通过解析XML文档，为XML文档在逻辑上建
立一个树模型，树的节点是一个个对象，通
过存取这些对象就能够存取XML文档的内容。
DOM解析器  XML文档
• 一切都是节点（对象）
• Node对象：DOM结构中最为基本的对象
• Document对象：代表整个XML的文档
• NodeList对象：包含一个或者多个Node的列表
• Element对象：代表XML文档中的标签元素
candidate.xml
<?xml version="1.0"?>
<PEOPLE>
<PERSON PERSONID="E01">
<NAME>Tony Blair</NAME>
<ADDRESS>10 Downing Street, London,
UK</ADDRESS>
<TEL>(061) 98765</TEL>
<FAX>(061) 98765</FAX>
<EMAIL>[e-mail]</EMAIL>
</PERSON>
……
</PEOPLE>
DocumentBuilderFactory
DocumentBuilder
Document
NodeList
Element
Node
import javax.xml.parsers.*;
import org.w3c.dom.*;
public class dom {
public static void main(String args[]){
try{
DocumentBuilderFactory factory =
DocumentBuilderFactory.newInstance();
DocumentBuilder builder=factory.newDocumentBuilder();
Document doc=builder.parse("candidate.xml");
NodeList nl =doc.getElementsByTagName("PERSON");
for (int i=0;i<nl.getLength();i++){
Element node=(Element) nl.item(i);
System.out.print("NAME: ");
System.out.println
(node.getElementsByTagName("NAME").item(0).getFirstChild().getNode
Value());
……
System.out.println();
}
}catch(Exception e){e.printStackTrace();}
}
}
• <?xml version="1.0"
encoding="UTF-8"?>
<messages>
<message>
Good-bye serialization, hello Java!
</message>
</messages> 
• 下面，我们需要把这个文档的内容解析到
一个个的Java对象中去供程序使用，利用
JAXP，我们只需几行代码就能做到这一点。
首先，我们需要建立一个解析器工厂，以
利用这个工厂来获得一个具体的解析器对
象 
• DocumentBuilderFactory  dbf =
DocumentBuilderFactory.newInstance();
• 我们在这里使用DocumentBuilderFacotry的目
的是为了创建与具体解析器无关的程序，当
DocumentBuilderFactory 类的静态方法
newInstance()被调用时，它根据一个系统变量
来决定具体使用哪一个解析器。又因为所有的解
析器都服从于JAXP所定义的接口，所 以无论具
体使用哪一个解析器，代码都是一样的。所以当
在不同的解析器之间进行切换时，只需要更改系
统变量的值，而不用更改任何代码。这就是工厂
所带来的好处。

• DocumentBuilder db =
dbf.newDocumentBuilder();
• 当获得一个工厂对象后，使用它的静态方
法newDocumentBuilder()方法可以获得
一个DocumentBuilder对象，这个对象代
表了具体的DOM解析器。但具体是哪一种
解析器，微软的或者IBM的，对于程序而言
并不重要  
• 然后，我们就可以利用这个解析器来对XML文档
进行解析了
• Document doc =
db.parse("c:/xml/message.xml");
• DocumentBuilder的parse()方法接受一个XML
文档名作为输入参数，返回一个Document对象，
这个Document对象就代表了一个XML文档的树
模型。以后所有的对XML文档的操作，都与解析
器无关，直接在这个Document对象上进行操作
就可以了。而具体对Document操作的方法，就
是由DOM所定义的了
• 从上面得到的Document对象开始，我们就
可以开始我们的DOM解析了。使用
Document对象的
getElementsByTagName()方法，我们可
以得到一个NodeList对象，一个Node对象
代表了一个XML文档中的一个标签元素，而
NodeList对象，所代表的是一个Node对象
的列表
• NodeList nl =
doc.getElementsByTagName("messa
ge");
• 我们通过这样一条语句所得到的是XML文
档中所有<message>标签对应的Node对
象的一个列表。然后，我们可以使用
NodeList对象的item()方法来得到列表中
的每一个Node对象
• Node my_node = nl.item(0);
• 当一个Node对象被建立之后，保存在XML
文档中的数据就被提取出来并封装在这个
Node中了。在这个例子中，要提取
Message标签内的内容，我们通常会使用
Node对象的getNodeValue()方法
• String message =
my_node.getFirstChild().getNodeValu
e();
• 请注意，这里还使用了一个getFirstChild()
方法来获得message下面的第一个子
Node对象。虽然在message标签下面除
了文本外并没有其它子标签或者属性，但
是我们坚持在这里使用getFirstChild()方
法，这主要和W3C对DOM的定义有关。
W3C把标签内的文本部分也定义成一个
Node，所以先要得到代表文本的那个
Node，我们才能够使用getNodeValue()
来获取文本的内容
• 现在，既然我们已经能够从XML文件中提
取出数据了，我们就可以把这些数据用在
合适的地方，来构筑应用程序
• DOM的基本对象有5个：Document，Node，
NodeList，Element和Attr
• Document对象代表了整个XML的文档，所有其
它的Node，都以一定的顺序包含在Document
对象之内，排列成一个树形的结构，程序员可以
通过遍历这颗树来得到XML文档的所有的内容，
这也是对XML文档操作的起点。我们总是先通过
解析XML源文件而得到一个Document对象，然
后再来执行后续的操作。此外，Document还包
含了创建其它节点的方法，比如
createAttribute()用来创建一个Attr对象。它所
包含的主要的方法有
• createAttribute(String)：用给定的属性名创建
一个Attr对象，并可在其后使用
setAttributeNode方法来放置在某一个Element
对象上面。
• createElement(String)：用给定的标签名创建
一个Element对象，代表XML文档中的一个标签，
然后就可以在这个Element对象上添加属性或进
行其它的操作。
• createTextNode(String)：用给定的字符串创
建一个Text对象，Text对象代表了标签或者属性
中所包含的纯文本字符串。如果在一个标签内没
有其它的标签，那么标签内的文本所代表的Text
对象是这个Element对象的唯一子对象。
• getElementsByTagName(String)：返
回一个NodeList对象，它包含了所有给定
标签名字的标签。
• getDocumentElement()：返回一个代表
这个DOM树的根元素节点的Element对象，
也就是代表XML文档根元素的那个对象。
• Node对象是DOM结构中最为基本的对象，
代表了文档树中的一个抽象的节点。在实
际使用的时候，很少会真正的用到Node这
个对象，而是用到诸如Element、Attr、
Text等Node对象的子对象来操作文档。
Node对象为这些对象提供了一个抽象的、
公共的根。虽然在Node对象中定义了对其
子节点进行存取的方法，但是有一些Node
子对象，比如Text对象，它并不存在子节
点，这一点是要注意的。
• Node对象所包含的主要的方法有
• appendChild(org.w3c.dom.Node)：为这个节点添加
一个子节点，并放在所有子节点的最后，如果这个子节点
已经存在，则先把它删掉再添加进去。
• getFirstChild()：如果节点存在子节点，则返回第一个子
节点，对等的，还有getLastChild()方法返回最后一个子
节点。
• getNextSibling()：返回在DOM树中这个节点的下一个
兄弟节点，对等的，还有getPreviousSibling()方法返回
其前一个兄弟节点。
• getNodeName()：根据节点的类型返回节点的名称。
• getNodeType()：返回节点的类型。
• getNodeValue()：返回节点的值。
• hasChildNodes()：判断是不是存在有子节点。
• hasAttributes()：判断这个节点是否存在有属性。
• getOwnerDocument()：返回节点所处的
Document对象。
• insertBefore(org.w3c.dom.Node new，
org.w3c.dom.Node ref)：在给定的一个子对
象前再插入一个子对象。
• removeChild(org.w3c.dom.Node)：删除给
定的子节点对象
• replaceChild(org.w3c.dom.Node new，
org.w3c.dom.Node old)：用一个新的
Node对象代替给定的子节点对象。
• NodeList对象，顾名思义，就是代表了一
个包含了一个或者多个Node的列表。可以
简单的把它看成一个Node的数组，我们可
以通过方法来获得列表中的元素：
• getLength()：返回列表的长度。
• item(int)：返回指定位置的Node对象
• Element对象代表的是XML文档中的标签元素，
继承于Node，亦是Node的最主要的子对象。在
标签中可以包含有属性，因而Element对象中有
存取其属性的方法，而任何Node中定义的方法，
也可以用在Element对象上面。
• getElementsByTagName(String)：返回一个
NodeList对象，它包含了在这个标签中其下的子
孙节点中具有给定标签名字的标签。
• getTagName()：返回一个代表这个标签名字的
字符串。
• getAttribute(String)：返回标签中给定
属性名称的属性的值。在这儿需要注意的
是，因为XML文档中允许有实体属性出现，
而这个方法对这些实体属性并不适用。这
时候需要用到getAttributeNode()方法来
得到一个Attr对象来进行进一步的操作
• getAttributeNode(String)：返回一个代
表给定属性名称的Attr对象。
Attr对象代表了某个标签中的属性。Attr继承于
Node，但是因为Attr实际上是包含在Element中
的，它并不能被看作是Element的子对象，因而
在DOM中Attr并不是DOM树的一部分，所以
Node中的getparentNode()，
getpreviousSibling()和getnextSibling()返回
的都将是null。也就是说，Attr其实是被看作包
含它的Element对象的一部分，它并不作为DOM
树中单独的一个节点出现。这一点在使用的时候
要同其它的Node子对象相区别