XPath 表達式比繁瑣的文檔對象模型（DOM）導航代碼要容易編寫得多。如果需要從 XML 文檔中提取信息，最快捷、最簡單的辦法就是在 Java™ 程序中嵌入 XPath 表達式。Java 5 推出了 javax.xml.xpath 包，這是一個用於 XPath 文檔查詢的獨立於 XML 對象模型的庫。
如果要告訴別人買一加侖牛奶，您會怎麼說？“請去買一加侖牛奶回來” 還是 “從前門出去，向左轉，走三個街區向右轉，再走半個街區向右轉進入商店。走向四號通道，沿通道走五米向左，拿一瓶一加侖裝的牛奶然後到收銀臺付款。再沿原路回家。” 簡直太可笑了。只要在 “請去買一加侖牛奶回來” 的基礎上稍加指示，多數成人都能自己買回牛奶來。
查詢語言和計算機搜索與此類似。直接說 “找一個 Cryptonomicon 的副本” 要比編寫搜索某個數據庫的詳細邏輯容易得多。由於搜索操作的邏輯非常相似，可以發明一種通用語言讓您使用 “找到 Neal Stephenson 的所有著作” 這樣的命令，然後編寫對特定數據存儲執行此類查詢的引擎。
XPath
在衆多查詢語言之中，結構化查詢語言（SQL）是一種針對查詢特定類型的關係庫而設計和優化的語言。其他不那麼常見的查詢語言還有對象查詢語言（OQL）和 XQuery。但本文的主題是 XPath，一種爲查詢 XML 文檔而設計的查詢語言。比如，下面這個簡單的 XPath 查詢可以在文檔中找到作者爲 Neal Stephenson 的所有圖書的標題：
//book[author="Neal Stephenson"]/title
作爲對照，查詢同樣信息的純 DOM 搜索代碼如 清單 1 所示：
清單 1. 找到 Neal Stephenson 所有著作 title 元素的 DOM 代碼
ArrayList result = new ArrayList();
NodeList books = doc.getElementsByTagName("book");
for (int i = 0; i < books.getLength(); i++) {
Element book = (Element) books.item(i);
NodeList authors = book.getElementsByTagName("author");
boolean stephenson = false;
for (int j = 0; j < authors.getLength(); j++) {
Element author = (Element) authors.item(j);
NodeList children = author.getChildNodes();
StringBuffer sb = new StringBuffer();
for (int k = 0; k < children.getLength(); k++) {
Node child = children.item(k);
// really should to do this recursively
if (child.getNodeType() == Node.TEXT_NODE) {
sb.append(child.getNodeValue());
}
}
if (sb.toString().equals("Neal Stephenson")) {
stephenson = true;
break;
}
}
if (stephenson) {
NodeList titles = book.getElementsByTagName("title");
for (int j = 0; j < titles.getLength(); j++) {
result.add(titles.item(j));
}
}
}
不論您是否相信，清單 1 中的 DOM 顯然不如簡單的 XPath 表達式通用或者健壯。您願意編寫、調試和維護哪一個？我想答案很明顯。
但是雖然有很強的表達能力，XPath 並不是 Java 語言，事實上 XPath 不是一種完整的編程語言。有很多東西用 XPath 表達不出來，甚至有些查詢也無法表達。比方說，XPath 不能查找國際標準圖書編碼（ISBN）檢驗碼不匹配的所有圖書，或者找出境外帳戶數據庫顯示欠帳的所有作者。幸運的是，可以把 XPath 結合到 Java 程序中，這樣就能發揮兩者的優勢了：Java 做 Java 所擅長的，XPath 做 XPath 所擅長的。
直到最近，Java 程序執行 XPath 查詢所需要的應用程序編程接口（API）還因形形色色的 XPath 引擎而各不相同。Xalan 有一種 API，Saxon 使用另一種，其他引擎則使用其他的 API。這意味着代碼往往把您限制到一種產品上。理想情況下，最好能夠試驗具有不同性能特點的各種引擎，而不會帶來不適當的麻煩或者重新編寫代碼。
於是，Java 5 推出了 javax.xml.xpath 包，提供一個引擎和對象模型獨立的 XPath 庫。這個包也可用於 Java 1.3 及以後的版本，但需要單獨安裝 Java API for XML Processing (JAXP) 1.3。Xalan 2.7 和 Saxon 8 以及其他產品包含了這個庫的實現。
一個簡單的例子
我將舉例說明如何使用它。然後再討論一些細節問題。假設要查詢一個圖書列表，尋找 Neal Stephenson 的著作。具體來說，這個圖書列表的形式如 清單 2 所示：
清單 2. 包含圖書信息的 XML 文檔
<inventory>
<book year="2000">
<title>Snow Crash</title>
<author>Neal Stephenson</author>
<publisher>Spectra</publisher>
<isbn>0553380958</isbn>
<price>14.95</price>
</book>
<book year="2005">
<title>Burning Tower</title>
<author>Larry Niven</author>
<author>Jerry Pournelle</author>
<publisher>Pocket</publisher>
<isbn>0743416910</isbn>
<price>5.99</price>
<book>
<book year="1995">
<title>Zodiac</title>
<author>Neal Stephenson<author>
<publisher>Spectra</publisher>
<isbn>0553573862</isbn>
<price>7.50</price>
<book>
<!-- more books... -->
</inventory>
抽象工廠
XPathFactory 是一個抽象工廠。抽象工廠設計模式使得這一種 API 能夠支持不同的對象模型，如 DOM、JDOM 和 XOM。爲了選擇不同的模型，需要向 XPathFactory.newInstance() 方法傳遞標識對象模型的統一資源標識符（URI）。比如 http://xom.nu/ 可以選擇 XOM。但實際上，到目前爲止 DOM
是該 API 支持的惟一對象模型。
查找所有圖書的 XPath 查詢非常簡單：//book[author="Neal Stephenson"]。爲了找出這些圖書的標題，只要增加一步，表達式就變成了 //book[author="Neal Stephenson"]/title。最後，真正需要的是 title 元素的文本節點孩子。這就要求再增加一步，完整的表達式就是 //book[author="Neal Stephenson"]/title/text()。
現在我提供一個簡單的程序，它從 Java 語言中執行這個查詢，然後把找到的所有圖書的標題打印出來。首先，需要將文檔加載到一個 DOM Document 對象中。爲了簡化起見，假設該文檔在當前工作目錄的 books.xml 文件中。下面的簡單代碼片段解析文檔並建立對應的 Document 對象：
清單 3. 用 JAXP 解析文檔
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true); // never forget this!
DocumentBuilder builder = factory.newDocumentBuilder();
Document doc = builder.parse("books.xml");
到目前爲止，這僅僅是標準的 JAXP 和 DOM，沒有什麼新鮮的。
接下來創建 XPathFactory：
XPathFactory factory = XPathFactory.newInstance();
然後使用這個工廠創建 XPath 對象：
XPath xpath = factory.newXPath();
XPath 對象編譯 XPath 表達式：
PathExpression expr = xpath.compile("//book[author='Neal Stephenson']/title/text()");
直接求值
如果 XPath 表達式只使用一次，可以跳過編譯步驟直接對 XPath 對象調用 evaluate() 方法。但是，如果同一個表達式要重複使用多次，編譯可能更快一些。
最後，計算 XPath 表達式得到結果。表達式是針對特定的上下文節點計算的，在這個例子中是整個文檔。還必須指定返回類型。這裏要求返回一個節點集：
Object result = expr.evaluate(doc, XPathConstants.NODESET);
可以將結果強制轉化成 DOM NodeList，然後遍歷列表得到所有的標題：
NodeList nodes = (NodeList) result;
for (int i = 0; i < nodes.getLength(); i++) {
System.out.println(nodes.item(i).getNodeValue());
}
清單 4 把上述片段組合到了一個程序中。還要注意，這些方法可能拋出一些檢查異常，這些異常必須在 throws 子句中聲明，但是我在上面把它們掩蓋起來了：
清單 4. 用固定的 XPath 表達式查詢 XML 文檔的完整程序
import java.io.IOException;
import org.w3c.dom.*;
import org.xml.sax.SAXException;
import javax.xml.parsers.*;
import javax.xml.xpath.*;
public class XPathExample {
public static void main(String[] args)
throws ParserConfigurationException, SAXException,
IOException, XPathExpressionException {
DocumentBuilderFactory domFactory = DocumentBuilderFactory.newInstance();
domFactory.setNamespaceAware(true); // never forget this!
DocumentBuilder builder = domFactory.newDocumentBuilder();
Document doc = builder.parse("books.xml");
XPathFactory factory = XPathFactory.newInstance();
XPath xpath = factory.newXPath();
XPathExpression expr
= xpath.compile("//book[author='Neal Stephenson']/title/text()");
Object result = expr.evaluate(doc, XPathConstants.NODESET);
NodeList nodes = (NodeList) result;
for (int i = 0; i < nodes.getLength(); i++) {
System.out.println(nodes.item(i).getNodeValue());
}
}
}
XPath 數據模型
每當混合使用諸如 XPath 和 Java 這樣兩種不同的語言時，必定會有某些將兩者粘合在一起的明顯接縫。並非一切都很合拍。XPath 和 Java 語言沒有同樣的類型系統。XPath 1.0 只有四種基本數據類型：
node-set
number
boolean
string
當然，Java 語言有更多的數據類型，包括用戶定義的對象類型。
多數 XPath 表達式，特別是位置路徑，都返回節點集。但是還有其他可能。比如，XPath 表達式 count(//book) 返回文檔中的圖書數量。XPath 表達式 count(//book[@author="Neal Stephenson"]) > 10 返回一個布爾值：如果文檔中 Neal Stephenson 的著作超過 10 本則返回 true，否則返回 false。
evaluate() 方法被聲明爲返回 Object。實際返回什麼依賴於 XPath 表達式的結果以及要求的類型。一般來說，XPath 的
number 映射爲 java.lang.Double
string 映射爲 java.lang.String
boolean 映射爲 java.lang.Boolean
node-set 映射爲 org.w3c.dom.NodeList
XPath 2
前面一直假設您使用的是 XPath 1.0。XPath 2 大大擴展和修改了類型系統。Java XPath API 支持 XPath 2 所需的主要修改是爲返回 XPath 2 新數據類型增加常量。
在 Java 中計算 XPath 表達式時，第二個參數指定需要的返回類型。有五種可能，都在 javax.xml.xpath.XPathConstants 類中命名了常量：
XPathConstants.NODESET
XPathConstants.BOOLEAN
XPathConstants.NUMBER
XPathConstants.STRING
XPathConstants.NODE
最後一個 XPathConstants.NODE 實際上沒有匹配的 XPath 類型。只有知道 XPath 表達式只返回一個節點或者只需要一個節點時才使用它。如果 XPath 表達式返回了多個節點並且指定了 XPathConstants.NODE，則 evaluate() 按照文檔順序返回第一個節點。如果 XPath 表達式選擇了一個空集並指定了 XPathConstants.NODE，則 evaluate() 返回 null。
如果不能完成要求的轉換，evaluate() 將拋出 XPathException。
名稱空間上下文
若 XML 文檔中的元素在名稱空間中，查詢該文檔的 XPath 表達式必須使用相同的名稱空間。XPath 表達式不一定要使用相同的前綴，只需要名稱空間 URI 相同即可。事實上，如果 XML 文檔使用默認名稱空間，那麼儘管目標文檔沒有使用前綴，XPath 表達式也必須使用前綴。
但是，Java 程序不是 XML 文檔，因此不能用一般的名稱空間解析。必須提供一個對象將前綴映射到名稱空間 URI。該對象是 javax.xml.namespace.NamespaceContext 接口的實例。比如，假設圖書文檔放在http://www.example.com/books 名稱空間中，如 清單 5 所示：
清單 5. 使用默認名稱空間的 XML 文檔
<inventory xmlns="http://www.example.com/books">
<book year="2000">
<title>Snow Crash</title>
<author>Neal Stephenson</author>
<publisher>Spectra</publisher>
<isbn>0553380958</isbn>
<price>14.95<price>
</book>
<!-- more books... -->
<inventory>
查找 Neal Stephenson 全部著作標題的 XPath 表達式就要改爲 //pre:book[pre:author="Neal Stephenson"]/pre:title/text()。但是，必須將前綴 pre 映射到 URI http://www.example.com/books。NamespaceContext
接口在 Java 軟件開發工具箱（JDK）或 JAXP 中沒有默認實現似乎有點笨，但確實如此。不過，自己實現也不難。清單 6 對一個名稱空間給出了簡單的實現。還需要映射 xml 前綴。
清單 6. 綁定一個名稱空間和默認名稱空間的簡單上下文
import java.util.Iterator;
import javax.xml.*;
import javax.xml.namespace.NamespaceContext;
public class PersonalNamespaceContext implements NamespaceContext {
public String getNamespaceURI(String prefix) {
if (prefix == null) throw new NullPointerException("Null prefix");
else if ("pre".equals(prefix)) return "http://www.example.org/books";
else if ("xml".equals(prefix)) return XMLConstants.XML_NS_URI;
return XMLConstants.NULL_NS_URI;
}
// This method isn't necessary for XPath processing.
public String getPrefix(String uri) {
throw new UnsupportedOperationException();
}
// This method isn't necessary for XPath processing either.
public Iterator getPrefixes(String uri) {
throw new UnsupportedOperationException();
}
}
使用映射存儲綁定和增加 setter 方法實現名稱空間上下文的重用也不難。
創建 NamespaceContext 對象後，在編譯表達式之前將其安裝到 XPath 對象上。以後就可以像以前一樣是用這些前綴查詢了。比如：
清單 7. 使用名稱空間的 XPath 查詢
XPathFactory factory = XPathFactory.newInstance();
XPath xpath = factory.newXPath();
xpath.setNamespaceContext(new PersonalNamespaceContext());
XPathExpression expr
= xpath.compile("//pre:book[pre:author='Neal Stephenson']/pre:title/text()");
Object result = expr.evaluate(doc, XPathConstants.NODESET);
NodeList nodes = (NodeList) result;
for (int i = 0; i < nodes.getLength(); i++) {
System.out.println(nodes.item(i).getNodeValue());
}
回頁首
函數求解器
有時候，在 Java 語言中定義用於 XPath 表達式的擴展函數很有用。這些函數可以執行用純 XPath 很難或者無法執行的任務。不過必須是真正的函數，而不是隨意的方法。就是說不能有副作用。（XPath 函數可以按照任意的順序求值任意多次。）
通過 Java XPath API 訪問的擴展函數必須實現 javax.xml.xpath.XPathFunction 接口。這個接口只聲明瞭一個方法 evaluate：
public Object evaluate(List args) throws XPathFunctionException
該方法必須返回 Java 語言能夠轉換到 XPath 的五種類型之一：
String
Double
Boolean
Nodelist
Node
比如，清單 8 顯示了一個擴展函數，它檢查 ISBN 的校驗和並返回 Boolean。這個校驗和的基本規則是前九位數的每一位乘上它的位置（即第一位數乘上 1，第二位數乘上 2，依次類推）。將這些數加起來然後取除以 11 的餘數。如果餘數是 10，那麼最後一位數就是 X。
清單 8. 檢查 ISBN 的 XPath 擴展函數
import java.util.List;
import javax.xml.xpath.*;
import org.w3c.dom.*;
public class ISBNValidator implements XPathFunction {
// This class could easily be implemented as a Singleton.
public Object evaluate(List args) throws XPathFunctionException {
if (args.size() != 1) {
throw new XPathFunctionException("Wrong number of arguments to valid-isbn()");
}
String isbn;
Object o = args.get(0);
// perform conversions
if (o instanceof String) isbn = (String) args.get(0);
else if (o instanceof Boolean) isbn = o.toString();
else if (o instanceof Double) isbn = o.toString();
else if (o instanceof NodeList) {
NodeList list = (NodeList) o;
Node node = list.item(0);
// getTextContent is available in Java 5 and DOM 3.
// In Java 1.4 and DOM 2, you'd need to recursively
// accumulate the content.
isbn= node.getTextContent();
}
else {
throw new XPathFunctionException("Could not convert argument type");
}
char[] data = isbn.toCharArray();
if (data.length != 10) return Boolean.FALSE;
int checksum = 0;
for (int i = 0; i < 9; i++) {
checksum += (i+1) * (data[i]-'0');
}
int checkdigit = checksum % 11;
if (checkdigit + '0' == data[9] || (data[9] == 'X' && checkdigit == 10)) {
return Boolean.TRUE;
}
return Boolean.FALSE;
}
}
下一步讓這個擴展函數能夠在 Java 程序中使用。爲此，需要在編譯表達式之前向 XPath 對象安裝 javax.xml.xpath.XPathFunctionResolver。函數求解器將函數的 XPath 名稱和名稱空間 URI 映射到實現該函數的 Java 類。清單 9 是一個簡單的函數求解器，將擴展函數 valid-isbn 和名稱空間 http://www.example.org/books 映射到
清單 8 中的類。比如，XPath 表達式 //book[not(pre:valid-isbn(isbn))] 可以找到 ISBN 校驗和不匹配的所有圖書。
清單 9. 識別 valid-isbn 擴展函數的上下文
iimport javax.xml.namespace.QName;
import javax.xml.xpath.*;
public class ISBNFunctionContext implements XPathFunctionResolver {
private static final QName name
= new QName("http://www.example.org/books", "valid-isbn");
public XPathFunction resolveFunction(QName name, int arity) {
if (name.equals(ISBNFunctionContext.name) && arity == 1) {
return new ISBNValidator();
}
return null;
}
}
由於擴展函數必須有名稱空間，所以計算包含擴展函數的表達式時必須使用 NamespaceResolver，即便查詢的文檔沒有使用任何名稱空間。由於 XPathFunctionResolver、XPathFunction 和 NamespaceResolver 都是接口，如果方便的話可以將它們放在所有的類中。
結束語
用 SQL 和 XPath 這樣的聲明性語言編寫查詢，要比使用 Java 和 C 這樣的命令式語言容易得多。但是，用 Java 和 C 這樣的圖靈完整語言編寫複雜的邏輯，又比 SQL 和 XPath 這樣的聲明性語言容易得多。所幸的是，通過使用 Java Database Connectivity (JDBC) 和 javax.xml.xpath 之類的 API 可以將兩者結合起來。隨着世界上越來越多的數據轉向 XML，javax.xml.xpath 將與 java.sql 一樣變得越來越重要。
