理解XML DOM树结构

一．引言XML是eXtensible Markup Language的缩写，它是一种可扩展性标识语言, 能够让你自己创造标识，标识你所表示的内容。DOM全称是Document Object Model(文档对象模型)，定义了一组与平台和语言无关的接口，以便程序和脚本能够动态访问和修改XML文档内容、结构及样式。XML创建了标识，而DOM的作用就是告诉程序如何操作和显示这些标识。二．DOM树结构实际上XML将数据组织成为一棵树，DOM通过解析XML文档，为XML文档在逻辑上建立一个树模型，树的节点是一个个的对象。这样通过操作这棵树和这些对象就可以完成对XML文档的操作，为处理文档的所有方面提供了一个完美的概念性框架。如下XML文档：<line id=”1”> the <bold>First</bold>line</line>

DOM的结构表示如下：

由于DOM“一切都是节点（everything-is-a-node）”，XML树的每个 Document、Element、Text 、Attr和Comment都是 DOM Node。由上面例子可知， DOM 实质上是一些节点的集合。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，如：Document、Element、Text、Attr 、CDATASection、ProcessingInstruction、Notation 、EntityReference、Entity、DocumentType、DocumentFragment等。在创建XML文件时，如定义如下的XML文档：<?xml version="1.0" encoding="UTF-8"?><students><!--this is an example--><student><name><first-name>Mike</first-name><last-name>Silver</last-name></name><sex>male</sex><class studentid="15">98211</class><birthday><day>3</day><month>3</month><year>1979</year></birthday></student><student><name><first-name>Ben</first-name><last-name>Silver</last-name></name><sex>male</sex><class studentid="16">98211</class><birthday><day>3</day><month>3</month><year>1980</year></birthday></student></students>我们很自然想象到能得到如下图的结构，但是这只是数据的描述，而不是DOM树的结构。

我们可以通过以下的代码得到上面的XML文档的根结点和根结点下孩子节点的数目。import javax.xml.parsers.*;import org.w3c.dom.*;import java.io.File;import xmlwriter.XMLProperties;public class Xml{public static void main(String args[]){ try{ File file=new File("links.xml");DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();DocumentBuilder builder=factory.newDocumentBuilder();Document doc=builder.parse(file);doc.normalize();Element theRoot = doc.getDocumentElement();NodeList theList=theRoot.getChildNodes();System.out.println("the students root has "+theList.getLength()+" children");}}}结果显示为：

但是从上面XML文档可以看出，students一共只有3个孩子节点（包括注释），但程序得到的结果确实有7个孩子结点。为什么呢？因为在DOM中节点和元素不是等价的，它的7个节点包括：两个student元素、注释及它们周围的文本节点。这些文本节点有可能是回车换行、空格或者退格，假如把这些回车换行、空格和退格都删除，那么DOM解释的时候就没有这些文本节点，孩子节点就真的只有3个了。下图是DOM树的精确描述：

三．常见的基本节点类型：文档、元素、属性、文本和注释XML 中共有12种节点类型，其中最常见的节点类型有5种：元素：元素是 XML 的基本组成单元。，描述XML的基本信息。属性：属性节点包含关于元素节点的信息，通常包含在元素里面，描述元素的属性。文本：包含许多文本信息或者只是空白。文档：文档节点是整个文档中所有其它节点的父节点。注释：注释是对相关的信息进行描述、注释。四．常见的基本方法：通过Jaxp包来解释XML文档后，对DOM的节点对象的基本操作有:appendChild(Node newChild)：在本节点上增加一个新的孩子到孩子列表的后面。getAttributes()：得到本节点的属性列表，返回类型为NamedNodeMap。getChildNodes()：得到本节点的孩子列表，返回类型为NodeList。getFirstChild()、getLastChild()：得到第一个和最后一个孩子节点。getNextSibling()、getPreviousSibling()：得到本节点的下一个和前一个兄弟节点。getNodeName()、getNodeType()、getNodeValue()：得到本节点的名称、类型和值。getParentNode()：得到本节点的父亲节点。insertBefore(Node newChild, Node refChild)：在本节点的refChild孩子节点前插入一个新的节点。removeChild(Node oldChild)：删除oldChild孩子节点。以上列出对DOM树操作的一些常用的基本的方法，还有很多其他的方法，读者可以参考有关的规范。五．递归遍历DOM树DOM树结构和二叉树很相似，元素的孩子节点集合就是该元素的分支，但是属性节点不是元素的子节点，它只是描述该元素节点的一些性质而已，属于元素节点结构内部的一部分。以下是用java编写的一段遍历DOM的程序：public class RecurDOM（NodeList nodelist）{Node node;int i;if(nodelist.getLength() == 0){// 该节点没有子节点返回return;}for(i=0;i<nodelist.getLength();i++){node = nodelist.item(i);if(node.getNodeType() == Node.ELEMENT_NODE)RecurDOM（node.getChildNodes()）；//递归调用}}六．小结：DOM是一种在浏览器内编程的模型，同时也是XML的主要接口，它与语言和平台无关，它是基于树的 API，它把所有的数据以父子的节点层次结构装入内存构成一棵树，这些节点的类型可以是元素、文本、属性、注释或其它。它允许开发者读取、创建、删除和编辑 XML 数据。在这再次强调，DOM的“一切都是节点（everything-is-a-node）”。本文的程序是用java编写的，使用Jaxp包来解释XML文档。本文的适用对象是理解 XML 基本概念并开始准备用DOM编写应用程序来操纵 XML文档 的开发者。