DOM解析器

来源：互联网发布：颜值网络句子编辑：程序博客网时间：2024/06/05 07:56

1.DOM标准

DOM（Document Object Model，文档对象模型）是W3C制定的一套规范标准，即规定了解析文件的接口。各种语言可以按照DOM规范去实现这些接口，给出解析文件的解析器。

各种基于DOM规范解析器必须按照DOM规范在内存中建立数据，DOM规范的核心是树模型。对于解析XML文件的解析器，解析器通过读入XML文件在内存中建立一个树，也就是说XML文件的标记、标记的文本内容、实体等都会和内存中树的某个节点相对应。一个应用程序可以方便地操作内存中树的节点来处理XML文档，获取自己所需要的数据。

2.DOM解析器

用 DOM 解析模型的优点是编程容易，开发人员只需要调用建树的指令，然后利用navigation APIs访问所需的树节点来完成任务。可以很容易的添加和修改树中的元素。然而由于使用 DOM 解析器的时候需要处理整个 XML 文档，所以对性能和内存的要求比较高，尤其是遇到很大的 XML 文件的时候。由于它的遍历能力，DOM 解析器常用于 XML 文档需要频繁的改变的服务中。W3C推荐使用DOM解析。

3.DOM和XML文件的互相转化

DOM解析器是DocumentBuilder类的实例。

XML转化为DOM对象

首先使用javax.xml.parsers包中的DocumentBuilderFactory类调用其类方法newInstance()实例化一个DocumentBuilderFactory对象：

[java] view plaincopyprint?

DocumentBuilderFactory factory= DocumentBuilderFactory. newInstance();

DocumentBuilderFactory  factory= DocumentBuilderFactory. newInstance();

然后factory对象调用newDocumentBuilder()方法返回一个DocumentBuilder对象（称做DOM解析器），DocumentBuilder 类在javax.xml.parsers包中。例如：

[java] view plaincopyprint?

DocumentBuilder builder=factory. newDocumentBuilder();

DocumentBuilder  builder=factory. newDocumentBuilder();

最后builder对象调用public Document parse(File f)方法解析参数f指定的文件，并将解析内容以对象的形式返回，该对象是实现了Document接口的一个实例，Document 接口在org.w3c.dom包中。例如：

[java] view plaincopyprint?

Document document= builder. parse(new File("/mnt/sdcard/river.xml")) ;

Document  document= builder. parse(new File("/mnt/sdcard/river.xml")) ;

现在，应用程序只要分析内存中的树状结构数据Document，就可以获得XML文件中的各种数据了。

DOM解析器经常使用下述3个方法解析XML文件：

public Document parse(File f) throws SAXException, IOException

public Document parse(InputStream in) throws SAXException, IOException

public Document parse(String uri) throws SAXException, IOException

其中：

方法parse(File f)可以解析参数f指定的XML文件，例如：

[java] view plaincopyprint?

File f= new File("/mnt/sdcard/river.xml");
Document document= builder. parse(f) ;

File f= new File("/mnt/sdcard/river.xml");Document  document= builder. parse(f) ;

直接这样指定assets下路径是不幸的。File file = new File(" file:///android_asset/river.xml");原因是assets下的资源为原生的，只能用流的方式读取，而且不能向assets目录下写。

方法parse(InputStream in)可以解析输入流参数in指向的XML文件，例如：

[java] view plaincopyprint?

AssetManager assetManager = act.getAssets();
InputStream inputStream = assetManager.open("price.xml"); ;
Document document= builder. parse(inputStream) ;

AssetManager assetManager = act.getAssets();InputStream inputStream  = assetManager.open("price.xml"); ;Document  document= builder. parse(inputStream) ;

方法parse(String uri)可以解析参数uri指定的一个有效的资源，如果uri是一个链接地址，该链接地址必须是可以访问的，例如：

[java] view plaincopyprint?

String uri="http://192.168.2.1/price.xml";
Document document= builder. parse(uri) ;

String  uri="http://192.168.2.1/price.xml";Document  document= builder. parse(uri) ;

除了通过parse方法得到Document对象外，还可以直接创建Document对象：

[java] view plaincopyprint?

builder.newDocument();//可以创建一个Document，然后修改它

builder.newDocument();//可以创建一个Document，然后修改它

DOM对象转化为XML文件

解析器通过在内存中建立和XML结构相对应的树状结构数据，使得应用程序可以方便地获得XML文件中的数据，同时提供了使用内存中的树状结构数据建立一个XML文件的API，即使用解析器得到的Document对象建立一个新的XML文件。但是需要注意的是，Android2.1中没有相应的类包，从2.2开始才加入了。

解析器的parse方法将整个被解析的XML文件封装成一个Document节点返回，我们可以对Document节点进行修改，然后使用 Transformer对象将一个Document节点变换为一个XML文件。

步骤如下：

首先使用javax.xml.transform包中的TransformerFactory类建立一个对象，

[java] view plaincopyprint?

TransformerFactory transFactory=TransformerFactory. newInstance()

TransformerFactory transFactory=TransformerFactory. newInstance()

然后transFactory对象调用newTransformer()方法得到一个Transformer对象，Transformer类在javax.xml.transform包中。

[java] view plaincopyprint?

Transformer transformer=transFactory. newTransformer();

Transformer transformer=transFactory. newTransformer();

然后将被变换的Document对象封装到一个DOMSource对象中，DOMSource类在javax.xml.transform.dom包中。

[java] view plaincopyprint?

DOMSource domSource=new DOMSource(document);

DOMSource  domSource=new DOMSource(document);

再然后将变换得到XML文件对象封装到一个StreamResult对象中，StreamResult类在javax.xml.transform.stream包中。

[java] view plaincopyprint?

File file=new File("/mnt/sdcard/newXML.xml");//生成在SDCard下名为newXML的XML文件
FileOutputStream out=new FileOutputStream(file);
StreamResult xmlResult=new StreamResult(out);

File file=new File("/mnt/sdcard/newXML.xml");//生成在SDCard下名为newXML的XML文件FileOutputStream out=new FileOutputStream(file);StreamResult xmlResult=new StreamResult(out);

最后，Transformer 对象transformer 调用transform方法实施变换：

[java] view plaincopyprint?

transformer.transform(domSource, xmlResult);

transformer.transform(domSource, xmlResult);

注意：以上用到了写文件创建文件等，所以需要在AndroidManifest.xml中加入访问SDCard的权限

<uses-permission android:name="android.permission.MOUNT_UNMOUNT_FILESYSTEMS"/>



<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE"/>

1. 节点（Node）

解析器调用parse方法返回一个实现了Document接口的实例，该实例也称做Document对象，应用程序可以从Document节点的子孙节点中获取整个XML文件中数据的细节，它是由实现了Node接口的实例组成的树状结构数据，这些实例称做Document对象中的节点。实际上Document接口也是Node接口的子接口，也就是说，parse方法将整个被解析的XML文件封装成一个节点返回（XML文件和内存中的Document节点相对应），因此，我们也可以称Document对象为Document节点。

Document对象中的节点形成树状结构，也就是说XML文件的标记、标记的文本内容、实体等都会和对象Document中的某个节点相对应。应用程序可以从Document节点的子孙节点中获取整个XML文件中数据的细节。

按照DOM规范，Node接口有如下的子接口：
Attr, CDATASection, CharacterData, Comment, Document, DocumentFragment, DocumentType, Element, Entity, EntityReference, Notation, ProcessingInstruction, Text

任何实现上述某个接口的类的实例都称做一个节点。

2.Node的常用方法

short getNodeType()
返回一个表示节点类型的常量（Node接口规定的常量值），例如，对于Element节点，getNodeType()方法返回的值为：Node.ELEMENT_NODE

NodeList getChildNodes()
返回一个由当前节点的所有子节点组成的NodeList对象。

Node getFirstChild()
返回当前节点的第一个子节点。

Node getLastChild()
返回当前节点的最后一个子节点。

NodeList getTextContent()
返回当前节点及所有子孙节点中的文本内容。

3．节点的子孙关系
为了解析规范的XML文件，DOM规范规定了各种类型节点之间可以形成的子孙关系，比如，Document节点有且仅有一个Element节点，也可以有一个DocumentType节点（规范的XML文件有且仅有一个根标记，也可以有一个与其关联的DTD文件），Element节点可以有Element子节点和Text子节点（规范的XML文件中的标记可以有子标记和文本）。

Document节点

Document节点的两个直接子节点的类型分别是DocumentType类型和Element类型，其中的DocumentType节点对应着XML文件所关联的DTD文件，通过进一步获取该节点子孙节点来分析DTDL文件中的数据；而其中的Element类型节点对应着XML文件的根节点，通过进一步获取该Element类型节点子孙节点来分析XML文件中的数据。

Document 节点经常使用下列方法获取和该节点相关的信息。

Element getDocumentElement()

返回当前节点的Element子节点。

DocumentType getDoctype()

返回当前节点的DocumentType子节点。

NodeList getElementsByTagName(String name)

返回一个NodeList对象，该对象由当前节点的Element类型子孙节点组成，这些子孙节点的名字由参数name指定。

NodeList getElementsByTagNameNS(String namespaceURI,String localName)

返回一个NodeList对象，该对象由当前节点的Element类型子孙节点组成，这些子孙节点的名字由参数localName指定，名称空间由参数namespaceURI 指定。

String getXmlEncoding()

返回XML文件使用的编码，即XML声明中encoding属性的值。

boolean getXmlStandalone()

返回XML声明中的standalone属性的值。未指定时返回NULL

standalone 用来表示该文件是否呼叫其它外部的文件。这里所指的外部文件其实就是查检XML是不是有效的约束文件，或是DTD或是Schema

String getXmlVersion()

返回XML声明中的version属性的值

其中getXmlEncoding getXmlVersion getXmlStandalong在Android2.1中是没有的。

要解析的XML文件：

[java] view plaincopyprint?

<?xml version="1.0" encoding="utf-8"?>
<rivers>
<river name="灵渠" length="605">
<introduction>
灵渠在广西壮族自治区兴安县境内，是世界上最古老的运河之一，有着“世界古代水利建筑明珠”的美誉。灵渠古称秦凿渠、零渠、陡河、兴安运河，于公元前214年凿成通航，距今已2217年，仍然发挥着功用。
</introduction>
<imageurl>
http://www.2cto.com/uploadfile/2012/0228/20120228094142711.jpg
</imageurl>
</river>
<river name="胶莱运河" length="200">
<introduction>
胶莱运河南起黄海灵山海口，北抵渤海三山岛，流经现胶南、胶州、平度、高密、昌邑和莱州等，全长200公里，流域面积达5400平方公里，南北贯穿山东半岛，沟通黄渤两海。胶莱运河自平度姚家村东的分水岭南北分流。南流由麻湾口入胶州湾，为南胶莱河，长30公里。北流由海仓口入莱州湾,为北胶莱河,长100余公里。
</introduction>
<imageurl>
http://www.2cto.com/uploadfile/2012/0228/20120228094142711.jpg
</imageurl>
</river>
<river name="苏北灌溉总渠" length="168">
<introduction>
位于淮河下游江苏省北部，西起洪泽湖边的高良涧，流经洪泽，青浦、淮安，阜宁、射阳，滨海等六县(区)，东至扁担港口入海的大型人工河道。全长168km。
</introduction>
<imageurl>
http://www.2cto.com/uploadfile/2012/0228/20120228094142711.jpg
</imageurl>
</river>
</rivers>

<?xml version="1.0" encoding="utf-8"?><rivers> <river name="灵渠" length="605">     <introduction>      灵渠在广西壮族自治区兴安县境内，是世界上最古老的运河之一，有着“世界古代水利建筑明珠”的美誉。灵渠古称秦凿渠、零渠、陡河、兴安运河，于公元前214年凿成通航，距今已2217年，仍然发挥着功用。     </introduction>      <imageurl>      http://www.2cto.com/uploadfile/2012/0228/20120228094142711.jpg     </imageurl>   </river>     <river name="胶莱运河" length="200">     <introduction>      胶莱运河南起黄海灵山海口，北抵渤海三山岛，流经现胶南、胶州、平度、高密、昌邑和莱州等，全长200公里，流域面积达5400平方公里，南北贯穿山东半岛，沟通黄渤两海。胶莱运河自平度姚家村东的分水岭南北分流。南流由麻湾口入胶州湾，为南胶莱河，长30公里。北流由海仓口入莱州湾,为北胶莱河,长100余公里。     </introduction>      <imageurl>      http://www.2cto.com/uploadfile/2012/0228/20120228094142711.jpg     </imageurl>   </river>     <river name="苏北灌溉总渠" length="168">     <introduction>      位于淮河下游江苏省北部，西起洪泽湖边的高良涧，流经洪泽，青浦、淮安，阜宁、射阳，滨海等六县(区)，东至扁担港口入海的大型人工河道。全长168km。     </introduction>      <imageurl>      http://www.2cto.com/uploadfile/2012/0228/20120228094142711.jpg     </imageurl>   </river> </rivers>

[java] view plaincopyprint?

private Document parseXML(InputStream is)
{ if(is == null)return null;
DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
// dbf.setValidating(true);//设置检查XML文件的有效性
// dbf.setIgnoringElementContentWhitespace(true);//设置忽略空白
// dbf.setNamespaceAware(false);//设置为true时，由DocumentBuilderFactory产生的DOM解析器支持名称空间
DocumentBuilder db = null;//DOM解析器
Document doc = null;
try {
db = dbf.newDocumentBuilder();
} catch (ParserConfigurationException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
try {
doc = db.parse(is);//可以通过解析XML得到一个Document
// db.newDocument();//可以创建一个Document，然后修改它
} catch (SAXException e) {
// TODO Auto-generated catch block
e.printStackTrace();
} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
DocumentType docType = doc.getDoctype();
String xmlEncoding = doc.getXmlEncoding();//android2.1不支持
String xmlVersion = doc.getXmlVersion();
boolean isAlone = doc.getXmlStandalone();//android2.1不支持
NodeList list = doc.getElementsByTagName("river");
int length = list.getLength();
for(int k =0;k<length;k++)
{
Node node = list.item(k);
String nodeName = node.getNodeName();
String textContent = node.getTextContent();
//取得当前节点下的所有Text节点内容，这里就包括introduction下和imageUrl下的Text以及空格
}
return doc;

    private Document  parseXML(InputStream is)    {   if(is == null) return null;    DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();//    dbf.setValidating(true);//设置检查XML文件的有效性//    dbf.setIgnoringElementContentWhitespace(true);//设置忽略空白//    dbf.setNamespaceAware(false);//设置为true时，由DocumentBuilderFactory产生的DOM解析器支持名称空间    DocumentBuilder db = null; //DOM解析器    Document doc = null;        try {    db = dbf.newDocumentBuilder();} catch (ParserConfigurationException e) {// TODO Auto-generated catch blocke.printStackTrace();}try {     doc = db.parse(is);//可以通过解析XML得到一个Document//     db.newDocument();//可以创建一个Document，然后修改它     } catch (SAXException e) {// TODO Auto-generated catch blocke.printStackTrace();} catch (IOException e) {// TODO Auto-generated catch blocke.printStackTrace();}DocumentType docType =  doc.getDoctype();String xmlEncoding = doc.getXmlEncoding();//android2.1不支持String xmlVersion = doc.getXmlVersion();        boolean isAlone = doc.getXmlStandalone();//android2.1不支持        NodeList list = doc.getElementsByTagName("river");    int length = list.getLength();    for(int k = 0;k<length;k++)    {    Node node = list.item(k);    String nodeName = node.getNodeName();    String textContent = node.getTextContent();//取得当前节点下的所有Text节点内容，这里就包括introduction下和imageUrl下的Text以及空格        }return doc;

其中getXmlEncoding方法在XML设置了encoding的情况下，取不到，不知道为什么。

Element节点

Element节点是Document节点的最重要的子孙节点，因为被解析的XML文件的标记对应着这样类型的节点。表示Element节点的常量是Node.ELEMENT_NODE，一个节点用
short getNodeType()方法返回的值如果等于Node.ELEMENT_NODE，那么该节点就是Element节点。

Element节点经常使用下列方法获取和该节点相关的信息。

String getTagName()

返回该节点的名称，该名称就是此节点对应的XML中的标记名称。

String getAttribute(String name)

返回该节点中参数name指定的属性值，该属性值是此节点对应的XML标记中的属性值。

NodeList getElementsByTagName(String name)

返回一个NodeList对象，该对象由当前节点的Element类型子孙节点组成，这些子孙节点的名字由参数name指定。
NodeList getElementsByTagNameNS(String namespaceURI,String localName)返回一个NodeList对象，该对象由当前节点的Element类型子孙节点组成，这些子孙节点的名字由参数localName指定，名称空间由参数namespaceURI 指定。

boolean hasAttribute(String name)

判断当前节点是否有名字是参数name指定的属性。

boolean hasAttributeNS(String namespaceURI, String localName)

判断当前节点是否有名字是参数name指定、名称空间是namespaceURI指定的属性。

String getTextContent() Android 2.1没有本API

getTagName和getNodeName的区别

getTagName()方法是Element接口中的方法，getNodeName()方法是Element接口从Node接口继承的方法。对于Element节点，getTagName()和getNodeName()返回的都是Element节点对应的XML文件中标记的名称。

Text节点

规范的XML文件的非空标记可以有子标记和文本内容。在DOM规范中，解析器使用Element节点封装标记，用Text节点封装标记的文本内容，即Element节点可以有Element子节点和Text节点。例如，对于下列标记：

[java] view plaincopyprint?

<姓名>张小三
<性别>男</性别>
<年龄>23</年龄>
</姓名>

<姓名>张小三<性别>男</性别><年龄>23</年龄></姓名>

该标记对应的Element节点共有7个子孙节点，其中2个Element子节点、3个Text子节点和2个Text孙节点。这些节点和XML中的标记及文本有如下的对应关系。
2个Element子节点分别对应“姓名”标记的2个子标记：“性别”和“年龄”。3个Text子节点分别对应着：“<姓名>”与“<性别>”之间的文本、“</性别>”与“<年龄>”之间的空白类字符、“</年龄”与“</姓名>”之间的空白类字符。两个Text孙节点分别对应标记“性别”和“年龄”的文本内容。

表示Text节点的常量是Node.TEXT_NODE，一个节点调用short getNodeType()方法返回的值如果等于Node.TEXT_NODE，那么该节点就是Text节点。
Text节点使用String getWholeText()方法获取节点中的文本（包括其中的空白字符）。Android2.1中没有本API

注意：对于Text节点，getNodeName()方法返回的是“#text”。

对于应用程序而言，Text节点是较重要的节点，因为Text节点封装着XML标记中的文本数据。

Attr节点

在XML文件中，属性并不是标记的子标记，因此，在DOM规范中，Att节点也不是Element节点的子节点。

如果想解析XML文件中标记的属性，必须让对应的Element节点调用NamedNodeMap getAttributes()方法。该方法返回的NamedNodeMap对象由节点组成，这些节点可以被转换为Attr节点。Attr节点通过调用String getName()方法返回属性的名字，调用String getValue()方法返回属性的值。

处理空白

标记之间的缩进区域是为了使得XML文件看起来更美观而形成的，但解析器并不知道这一点，所以解析器仍然认为它们是有用的文本数据（由空白类字符组成）

人们习惯上称标记之间的缩进区是可忽略空白，这实际上不是很准确，因为XML文件的标记可以有文本和子标记（混合内容），在这种情况下，标记之间的区域中就可能包含非空白的字符内容。
如果我们不允许标记有混合内容，即标记要么只有子标记要么只有文本，在这种情形下，称标记之间的缩进区域是可忽略空白就比较恰当，这些空白区确实使得XML文件看起来更加美观，也是它们存在的惟一目的。

如果想让DOM解析器忽略缩进空白，即这些缩进空白不在Document中形成Text节点，那么XML文件必须是有效的，而且所关联的DTD文件必须规定XML文件的标记不能有混合内容，同时DocumentBuilderFactory对象在给出DOM解析器之前，必须调用setIgnoringElementContentWhitespace(boolean whitespace)进行设置，将参数whitespace的值设为true。

验证规范性和有效性

通过DocumentBuilderFactory对象factory事先设置是否检查XML文件的有效性，如：factory.setValidating(true);

DocumentType节点

DocumentType节点是Document节点的一个子节点。我们已经知道，解析器的parse方法将整个被解析的XML文件封装成一个Document节点返回，Document节点的两个子节点的类型分别是DocumentType类型和Element类型，其中的DocumentType节点对应着XML文件所关联的DTD文件，通过进一步获取该节点子孙节点来分析DTD文件中的数据。Document节点调用getDoctype() 返回当前节点的DocumentType子节点。

获取DTD的基本信息

假如XML文件中的DOCTYPE声明为：<!DOCTYPE 房子 PUBLIC "-//ISO88//beijing//ForXML/Ch" "b1.dtd"，那么

DocumentType节点调用getName()方法返回的是：房子
调用getPublicId()方法返回的是：-//ISO88//beijing//ForXML/Ch
调用getSystemId()方法返回的是：b1.dtd

一个XML文件可以关联一个外部DTD或一个内部DTD，也可二者皆有（见第3.9节）。如果XML关联一个内部DTD，DocumentType节点调用getInternalSubset()方法可以返回内部DTD的内容。

获取实体

DTD文件中可以定义实体，然后与该DTD文件关联的XML文件可以通过实体引用使用该实体。实体又分为内部实体和外部实体，所谓内部实体就是实体的内容已经包含在DTD文件本身中；而外部实体是指实体的内容是DTD文件以外的其他文件。
解析器将实体封装为Entity节点，DocumentType节点调用
NamedNodeMap getEntities()
方法可以得到全部的实体，该方法返回的NamedNodeMap对象由节点组成，这些节点可以被转换为Entity节点。Entity节点通过调用getTextContent()方法返回实体，如果实体是一个外部文件，Entity节点通过调用getInputEncoding()方法可以返回解析该实体所使用的编码；如果是内部实体，getInputEncoding()方法返回null。

CDATASection节点

在XML文件中，标记内容中的文本数据不可以含有左尖括号、右尖括号、与符号、单引号和双引号这些特殊字符，如果想使用这些字符，办法之一是通过实体引用，如果需要许多这样的字符，文本数据中就会出现很多实体引用或字符引用，导致文本数据的阅读变得困难。使用CDATA（Character Data）段可以解决这一问题，CDATA段用“<![CDATA[”作为段的开始，用“]]>”作为段的结束，段开始和段结束之间称为CDATA段的内容，解析器不对CDATA段的内容做分析处理，因此，CDATA段中的内容可以包含任意的字符。
在DOM规范中，解析器使用CDATASection节点封装CDATA段，CDATASection节点可以是Element的节点的子节点。

节点数目的计算办法如下。

首先将标记中交替出现的普通文本和CDATA段按照它们在标记中出现的先后顺序排列，如：
普通文本1 CDATA段1 普通文本2 CDATA段2 普通文本3

那么该标记对应的Element节点的子节点顺序如下。

1 / Text节点：从“普通文本1”到“普通文本3”的区域，节点的文本内容是普通文本和CDATA段中的内容。
2 / CDATASection节点：从“CDATA段1”到“普通文本3”的区域，节点的文本内容是普通文本和CDATA段中的内容。
3 / Text节点：从“普通文本2”到“普通文本3”的区域，节点的文本内容是普通文本和CDATA段中的内容。
4 / CDATASection节点：从“CDATA段2”到“普通文本3”的区域，节点的文本内容是普通文本和CDATA段中的内容。
5 / Text节点：“普通文本3”，节点的文本内容是普通文本。

表示CDATASection节点的常量是Node.CDATA_SECTION_NODE，一个节点调用short getNodeType()方法返回的值如果等于Node.CDATA_SECTION_NODE，那么该节点就是CDATASection节点。CDATASection节点使用String getWholeText()方法获取节点中的文本，即CDATA段中的文本（包括其中的空白字符）。

注意：对于CDATASection节点，getNodeName()方法返回的是“#cdata-section”。

更多0