（五）使用DOM解析XML文檔

DOM：Document Object Model （文檔對象模型）

1、DOM與SAX

W3C制定了一套書寫XML分析器的標準接口規範--DOM。除此之外，XML_DEV郵件列表中的成員根據應用的需求也自發地定義了一套對XML文檔進行操作的接口規範--SAX。這兩種接口規範各有側重，互有長短，應用都比較廣泛。；XML應用程序不是直接對XML文檔進行操作的，而是首先由XML分析器對XML文檔進行分析，然後，應用程序通過XML分析器所提供的DOM接口或SAX接口對分析結果進行操作，從而間接地實現了對XML文檔的訪問。

2、DOM的全稱是Document Object Model，也即文檔對象模型。在應用程序中，基於DOM的XML分析器將一個XML文檔轉換成一個對象模型的集合（通常稱DOM樹），應用程序正是通過對這個對象模型的操作，來實現對XML文檔數據的操作。通過DOM接口，應用程序可以在任何時候訪問XML文檔中的任何一部分數據，因此，這種利用DOM接口的機制也被稱作隨機訪問機制。
DOM接口提供了一種通過分層對象模型來訪問XML文檔信息的方式，這些分層對象模型依據XML的文檔結構形成了一棵節點樹。無論XML文檔中所描述的是什麼類型的信息，即便是製表數據、項目列表或一個文檔，利用DOM所生成的模型都是節點樹的形式。也就是說，DOM強制使用樹模型來訪問XML文檔中的信息。由於XML本質上就是一種分層結構，所以這種描述方法是相當有效的。
DOM樹所提供的隨機訪問方式給應用程序的開發帶來了很大的靈活性，它可以任意地控制整個XML文檔中的內容。然而，由於DOM分析器把整個XML文檔轉化成DOM樹放在了內存中，因此，當文檔比較大或者結構比較複雜時，對內存的需求就比較高。而且，對於結構複雜的樹的遍歷也是一項耗時的操作。所以，DOM分析器對機器性能的要求比較高，實現效率不十分理想。不過，由於DOM分析器所採用的樹結構的思想與XML文檔的結構相吻合，同時鑑於隨機訪問所帶來的方便，因此，DOM分析器還是有很廣泛的使用價值的。

對於XML應用開發來說，DOM就是一個對象化的XML數據接口，一個與語言無關、與平臺無關的標準接口規範。它定義了HTML文檔和XML文檔的邏輯結構，給出了一種訪問和處理HTML文檔和XML文檔的方法。利用DOM，程序開發人員可以動態地創建文檔，遍歷文檔結構，添加、修改、刪除文檔內容，改變文檔的顯示方式等等。可以這樣說，文檔代表的是數據，而DOM則代表瞭如何去處理這些數據。無論是在瀏覽器裏還是在瀏覽器外，無論是在服務器上還是在客戶端，只要有用到XML的地方，就會碰到對DOM的應用。
作爲W3C的標準接口規範，目前，DOM由三部分組成，包括：核心（core）、HTML和XML。核心部分是結構化文檔比較底層對象的集合，這一部分所定義的對象已經完全可以表達出任何HTML和XML文檔中的數據了。HTML接口和XML接口兩部分則是專爲操作具體的HTML文檔和XML文檔所提供的高級接口，使對這兩類文件的操作更加方便。

3、DOM樹

<?xml version="1.0" encoding="gb2312"?>
<addressbook>
<person sex = "male">
<name>張三</name>
<email>[email protected]</email>
</person>
<person sex = "male">
<name>李四</name>
<email>[email protected]</email>
</person>
</addressbook>

<?xml version="1.0" encoding="gb2312" ?> <books> <book> <author>至尊寶</author> <title>倘若時光倒流</title > </book> <book> <author>白晶晶</author> <title>月光寶盒實用大全</title> </book> </books>

 

要嚴格區分XML文檔樹中的根結點與根元素結點：根節點（Document）代表的是XML文檔本身，是我們解析XML文檔的入口，而根元素結點則表示XML文檔的根元素，它對應於XML文檔的Root。

•最常見的節點類型：
–元素：元素是 XML 的基本構件。典型地，元素可以有其它元素、文本節點或兩者兼有來作爲其子節點。元素節點還是可以有屬性的唯一類型的節點。
–屬性：屬性節點包含關於元素節點的信息，但實際上，不認爲它是元素的子節點
–文本：確切來講，文本節點是：文本。它可以包含許多信息或僅僅是空白。
–文檔（根節點）：文檔節點是整個文檔中所有其它節點的父節點。(根節點不等於根元素節點！)
•較不常見的節點類型：CDATA、註釋、處理指令

4、DOM的四個基本接口

文檔對象模型利用對象來把文檔模型化，這些模型不僅描述了文檔的結構，還定義了模型中對象的行爲。換句話說，在上面給出的例子裏，圖中的節點不是數據結構，而是對象，對象中包含方法和屬性。在DOM中，對象模型要實現：
•用來表示、操作文檔的接口
•接口的行爲和屬性
•接口之間的關係以及互操作
在DOM接口規範中，有四個基本的接口：Document，Node，NodeList以及NamedNodeMap。在這四個基本接口中，Document接口是對文檔進行操作的入口，它是從Node接口繼承過來的。Node接口是其他大多數接口的父類，象Document，Element，Attribute，Text，Comment等接口都是從Node接口繼承過來的。NodeList接口是一個節點的集合，它包含了某個節點中的所有子節點。NamedNodeMap接口也是一個節點的集合，通過該接口，可以建立節點名和節點之間的一一映射關係，從而利用節點名可以直接訪問特定的節點。

1）Document接口

Document接口代表了整個XML/HTML文檔，因此，它是整棵文檔樹的根，提供了對文檔中的數據進行訪問和操作的入口。
由於元素、文本節點、註釋、處理指令等都不能脫離文檔的上下文關係而獨立存在，所以在Document接口提供了創建其他節點對象的方法，通過該方法創建的節點對象都有一個ownerDocument屬性，用來表明當前節點是由誰所創建的以及節點同Document之間的聯繫。
在DOM樹中，Document接口同其他接口之間的關係如下圖所示：

2）Node接口

Node接口在整個DOM樹中具有舉足輕重的地位，DOM接口中有很大一部分接口是從Node接口繼承過來的，例如，Element、Attr、CDATASection等接口，都是從Node繼承過來的。在DOM樹中，Node接口代表了樹中的一個節點。一個典型的Node接口如下圖所示：

3）NodeList接口

NodeList接口提供了對節點集合的抽象定義，它並不包含如何實現這個節點集的定義。NodeList用於表示有順序關係的一組節點，比如某個節點的子節點序列。另外，它還出現在一些方法的返回值中，例如getElementsByTagName。
在DOM中，NodeList的對象是"live"的，換句話說，對文檔的改變，會直接反映到相關的NodeList對象中。例如，如果通過DOM獲得一個NodeList對象，該對象中包含了某個Element節點的所有子節點的集合，那麼，當再通過DOM對Element節點進行操作（添加、刪除、改動節點中的子節點）時，這些改變將會自動地反映到NodeList對象中，而不需DOM應用程序再做其他額外的操作。
NodeList中的每個item都可以通過一個索引來訪問，該索引值從0開始。

4）NamedNodeMap接口

實現了NamedNodeMap接口的對象中包含了可以通過名字來訪問的一組節點的集合。不過注意，NamedNodeMap並不是從NodeList繼承過來的，它所包含的節點集中的節點是無序的。儘管這些節點也可以通過索引來進行訪問，但這只是提供了枚舉NamedNodeMap中所包含節點的一種簡單方法，並不表明在DOM規範中爲NamedNodeMap中的節點規定了一種排列順序。
NamedNodeMap表示的是一組節點和其唯一名字的一一對應關係，這個接口主要用在屬性節點的表示上。
與NodeList相同，在DOM中，NamedNodeMap對象也是"live"的。

5、DOM的基本對象

•一切都是節點（對象）
•Node對象：DOM結構中最爲基本的對象
•Document對象：代表整個XML的文檔
•NodeList對象：包含一個或者多個Node的列表
•Element對象：代表XML文檔中的標籤元素

DOM處理XML文檔步驟：

<?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>[email protected]</EMAIL>
    </PERSON>
    <PERSON PERSONID="E02">
        <NAME>Bill Clinton</NAME>
        <ADDRESS>White House, USA</ADDRESS>
        <TEL>(001) 6400 98765</TEL>
        <FAX>(001) 6400 98765</FAX>
        <EMAIL>[email protected]</EMAIL>
    </PERSON>
    <PERSON PERSONID="E03">
        <NAME>Tom Cruise</NAME>
        <ADDRESS>57 Jumbo Street, New York, USA</ADDRESS>
        <TEL>(001) 4500 67859</TEL>
        <FAX>(001) 4500 67859</FAX>
        <EMAIL>[email protected]</EMAIL>
    </PERSON>
    <PERSON PERSONID="E04">
        <NAME>Linda Goodman</NAME>
        <ADDRESS>78 Crax Lane, London, UK</ADDRESS>
        <TEL>(061) 54 56789</TEL>
        <FAX>(061) 54 56789</FAX>
        <EMAIL>[email protected]</EMAIL>
    </PERSON>
</PEOPLE>

 

import java.io.File;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;

import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NodeList;

public class DomTest1
{
    public static void main(String[] args) throws Exception
    {
        //step1:獲得dom解析器工廠（工廠的作用適用於創建具體的解析器）
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();

        //setp2：獲得具體的dom解析器
        DocumentBuilder db = dbf.newDocumentBuilder();

        //step3：解析一個xml文檔，獲得Document對象(根節點)
        Document document = db.parse(new File("candidate.xml"));

        NodeList list = document.getElementsByTagName("PERSON");
        for(int i = 0;i<list.getLength();i++)
        {
            Element element = (Element)list.item(i);
            String content = element.getElementsByTagName("NAME").item(0).getFirstChild().getNodeValue();
            System.out.println("name:" + content);
            content = element.getElementsByTagName("ADDRESS").item(0).getFirstChild().getNodeValue();
            System.out.println("address:" + content);
            content = element.getElementsByTagName("TEL").item(0).getFirstChild().getNodeValue();
            System.out.println("tel:" + content);
            content = element.getElementsByTagName("FAX").item(0).getFirstChild().getNodeValue();
            System.out.println("email:" + content);
            content = element.getElementsByTagName("EMAIL").item(0).getFirstChild().getNodeValue();
            System.out.println("--------------------");
        }
    }
}

6、DOM詳解：

我們需要把一個XML文檔的內容解析到一個個的Java對象中去供程序使用，利用JAXP，我們只需幾行代碼就能做到這一點。首先，我們需要建立一個解析器工廠，以利用這個工廠來獲得一個具體的解析器對象。JAXP（JAVA API for XML Parsing）：用於XML解析的JAVA API。

<?xml version="1.0" encoding="UTF-8"?>
<messages> <message>
Good-bye serialization, hello Java!
</message>
</messages>

•DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
•我們在這裏使用DocumentBuilderFacotry的目的是爲了創建與具體解析器無關的程序，當DocumentBuilderFactory 類的靜態方法newInstance()被調用時，它根據一個系統變量來決定具體使用哪一個解析器。又因爲所有的解析器都服從於JAXP所定義的接口，所 以無論具體使用哪一個解析器，代碼都是一樣的。所以當在不同的解析器之間進行切換時，只需要更改系統變量的值，而不用更改任何代碼。這就是工廠所帶來的好處。

•DocumentBuilder db = dbf.newDocumentBuilder();
•當獲得一個工廠對象後，使用它的靜態方法newDocumentBuilder()方法可以獲得一個DocumentBuilder對象，這個對象代表了具體的DOM解析器。但具體是哪一種解析器，微軟的或者IBM的，對於程序而言並不重要
•然後，我們就可以利用這個解析器來對XML文檔進行解析了
•Document doc = db.parse("c:/xml/message.xml");
•DocumentBuilder的parse()方法接受一個XML文檔名作爲輸入參數，返回一個Document對象，這個Document對象就代表了一個XML文檔的樹模型。以後所有的對XML文檔的操作，都與解析器無關，直接在這個Document對象上進行操作就可以了。而具體對Document操作的方法，就是由DOM所定義的了
•從上面得到的Document對象開始，我們就可以開始我們的DOM解析了。使用Document對象的getElementsByTagName()方法，我們可以得到一個NodeList對象，一個Node對象代表了一個XML文檔中的一個標籤元素，而NodeList對象，所代表的是一個Node對象的列表
•NodeList nl = doc.getElementsByTagName("message");
•我們通過這樣一條語句所得到的是XML文檔中所有<message>標籤對應的Node對象的一個列表。然後，我們可以使用NodeList對象的item()方法來得到列表中的每一個Node對象
•Node my_node = nl.item(0);
•當一個Node對象被建立之後，保存在XML文檔中的數據就被提取出來並封裝在這個Node中了。在這個例子中，要提取Message標籤內的內容，我們通常會使用Node對象的getNodeValue()方法
•String message = my_node.getFirstChild().getNodeValue();
•請注意，這裏還使用了一個getFirstChild()方法來獲得message下面的第一個子Node對象。雖然在message標籤下面除了文本外並沒有其它子標籤或者屬性，但是我們堅持在這裏使用getFirstChild()方法，這主要和W3C對DOM的定義有關。W3C把標籤內的文本部分也定義成一個Node，所以先要得到代表文本的那個Node，我們才能夠使用getNodeValue()來獲取文本的內容

 7、•DOM的基本對象有5個：Document，Node，NodeList，Element和Attr
•Document對象代表了整個XML的文檔，所有其它的Node，都以一定的順序包含在Document對象之內，排列成一個樹形的結構，程序員可以通過遍歷這顆樹來得到XML文檔的所有的內容，這也是對XML文檔操作的起點。我們總是先通過解析XML源文件而得到一個Document對象，然後再來執行後續的操作。此外，Document還包含了創建其它節點的方法，比如createAttribute()用來創建一個Attr對象。它所包含的主要的方法有
•createAttribute(String)：用給定的屬性名創建一個Attr對象，並可在其後使用setAttributeNode方法來放置在某一個Element對象上面。
•createElement(String)：用給定的標籤名創建一個Element對象，代表XML文檔中的一個標籤，然後就可以在這個Element對象上添加屬性或進行其它的操作。
•createTextNode(String)：用給定的字符串創建一個Text對象，Text對象代表了標籤或者屬性中所包含的純文本字符串。如果在一個標籤內沒有其它的標籤，那麼標籤內的文本所代表的Text對象是這個Element對象的唯一子對象。
•getElementsByTagName(String)：返回一個NodeList對象，它包含了所有給定標籤名字的標籤。
•getDocumentElement()：返回一個代表這個DOM樹的根元素節點的Element對象，也就是代表XML文檔根元素的那個對象。
•Node對象是DOM結構中最爲基本的對象，代表了文檔樹中的一個抽象的節點。在實際使用的時候，很少會真正的用到Node這個對象，而是用到諸如Element、Attr、Text等Node對象的子對象來操作文檔。Node對象爲這些對象提供了一個抽象的、公共的根。雖然在Node對象中定義了對其子節點進行存取的方法，但是有一些Node子對象，比如Text對象，它並不存在子節點，這一點是要注意的。
•Node對象所包含的主要的方法有
•appendChild(org.w3c.dom.Node)：爲這個節點添加一個子節點，並放在所有子節點的最後，如果這個子節點已經存在，則先把它刪掉再添加進去。
•getFirstChild()：如果節點存在子節點，則返回第一個子節點，對等的，還有getLastChild()方法返回最後一個子節點。
•getNextSibling()：返回在DOM樹中這個節點的下一個兄弟節點，對等的，還有getPreviousSibling()方法返回其前一個兄弟節點。
•getNodeName()：根據節點的類型返回節點的名稱。
•getNodeType()：返回節點的類型。
•getNodeValue()：返回節點的值。
•hasChildNodes()：判斷是不是存在有子節點。
•hasAttributes()：判斷這個節點是否存在有屬性。
•getOwnerDocument()：返回節點所處的Document對象。
•insertBefore(org.w3c.dom.Node new，org.w3c.dom.Node ref)：在給定的一個子對象前再插入一個子對象。
•removeChild(org.w3c.dom.Node)：刪除給定的子節點對象
•replaceChild(org.w3c.dom.Node new，org.w3c.dom.Node old)：用一個新的Node對象代替給定的子節點對象。
•NodeList對象，顧名思義，就是代表了一個包含了一個或者多個Node的列表。可以簡單的把它看成一個Node的數組，我們可以通過方法來獲得列表中的元素：
•getLength()：返回列表的長度。
•item(int)：返回指定位置的Node對象
•Element對象代表的是XML文檔中的標籤元素，繼承於Node，亦是Node的最主要的子對象。在標籤中可以包含有屬性，因而Element對象中有存取其屬性的方法，而任何Node中定義的方法，也可以用在Element對象上面。
•getElementsByTagName(String)：返回一個NodeList對象，它包含了在這個標籤中其下的子孫節點中具有給定標籤名字的標籤。
•getTagName()：返回一個代表這個標籤名字的字符串。
•getAttribute(String)：返回標籤中給定屬性名稱的屬性的值。在這兒需要注意的是，因爲XML文檔中允許有實體屬性出現，而這個方法對這些實體屬性並不適用。這時候需要用到getAttributeNode()方法來得到一個Attr對象來進行進一步的操作
•getAttributeNode(String)：返回一個代表給定屬性名稱的Attr對象。
-Attr對象代表了某個標籤中的屬性。Attr繼承於Node，但是因爲Attr實際上是包含在Element中的，它並不能被看作是Element的子對象，因而在DOM中Attr並不是DOM樹的一部分，所以Node中的getparentNode()，getpreviousSibling()和getnextSibling()返回的都將是null。也就是說，Attr其實是被看作包含它的Element對象的一部分，它並不作爲DOM樹中單獨的一個節點出現。這一點在使用的時候要同其它的Node子對象相區別

8、解析任意給定的xml文檔並在命令行輸出：

import java.io.File;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;

import org.w3c.dom.Attr;
import org.w3c.dom.Comment;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NamedNodeMap;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;

/**
 * 使用遞歸解析給定的任意一個XML文檔並且將其內容輸出到命令行上
 * @author Admin
 *
 */
public class DomTest3
{
    public static void main(String[] args) throws Exception
    {
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        DocumentBuilder db = dbf.newDocumentBuilder();
        Document doc = db.parse(new File("student.xml"));
        //獲得根元素節點
        Element root = doc.getDocumentElement();
        parseElement(root);
    }

    private static void parseElement(Element element)
    {
        String tagName = element.getNodeName();

        NodeList children = element.getChildNodes();
        System.out.print("<" + tagName);

        //element元素的所有屬性所構成的NamedNodeMap對象，需要對其進行判斷
        NamedNodeMap map = element.getAttributes();
        //如果該元素存在屬性
        if(null != map)
        {
            for(int i = 0;i<map.getLength();i++)
            {
                //獲得該元素的每一個屬性
                Attr attr = (Attr)map.item(i);
                String attrName = attr.getName();
                String attrValue = attr.getValue();
                System.out.print(" " + attrName + "=\"" + attrValue + "\"");
            }
        }
        System.out.print(">");
        for(int i = 0;i < children.getLength();i++)
        {
            Node node = children.item(i);
            //獲得節點的類型
            short nodeType = node.getNodeType();
            if(nodeType == Node.ELEMENT_NODE)
            {
                //是元素，繼續遞歸
                parseElement((Element)node);
            }
            else if(nodeType == Node.TEXT_NODE)
            {
                //遞歸出口
                System.out.print(node.getNodeValue());
            }
            else if(nodeType == Node.COMMENT_NODE)
            {
                System.out.print("<!--");
                Comment comment = (Comment)node;

                //註釋內容
                String data = comment.getData();
                System.out.print(data);
                System.out.print("-->");
            }
        }
        System.out.print("</" + tagName +">");
    }
}