構(gòu)建輕量級(jí)XML DOM分析程序
XML正迅快速的成為數(shù)據(jù)存儲(chǔ)和交換的標(biāo)準(zhǔn)格式流行開(kāi)來(lái)了。現(xiàn)在可用的完整的Java XML分析器非常龐大而且功能強(qiáng)大--但是實(shí)現(xiàn)這些強(qiáng)大的功能的同時(shí)也要消耗等量的資源。
因此使用一個(gè)功能強(qiáng)大的XML分析器可能過(guò)于浪費(fèi)。如果配置環(huán)境是一個(gè)Java小程序或者是一個(gè)J2ME應(yīng)用程序，網(wǎng)絡(luò)帶寬或者系統(tǒng)存儲(chǔ)器的制約可能根本不能夠使用完整的XML分析器。本文將告訴你如何構(gòu)建一個(gè)輕量級(jí)的XML DOM分析程序。
開(kāi)始編寫(xiě)SimpleDOMParser
SimpleDOMParser是一個(gè)使用Java寫(xiě)的高度簡(jiǎn)化和超輕量級(jí)的XML DOM分析器。 你可以將配置整個(gè)分析器配置為一個(gè)小于4KB的.jar文件。源程序還不到400行呢。
顯然，使用這么小的代碼，SimpleDOMParser將不支持XML域名空間，不能夠理解多字符集編碼或者以DTD文件或者schema驗(yàn)證文件；但是SimpleDOMParser能做的就是把符合語(yǔ)法規(guī)則的XML標(biāo)記解析為一個(gè)類似于DOM的元素樹(shù)，讓你執(zhí)行從XML格式化文本提取的數(shù)據(jù)的公共任務(wù)。
為什么使用DOM作為模型而不是SAX呢？這是因?yàn)镈OM提供一個(gè)比SAX更加易用的程序接口。與SAX不同的是，當(dāng)你把一個(gè)XML文件作為一個(gè)DOM樹(shù)來(lái)處理的時(shí)候，這個(gè)文件內(nèi)的所有的信息都是可以利用的。雖然SAX分析模型能夠提供比DOM模型更加優(yōu)異的性能和利用更少的存儲(chǔ)空間，但是大部分開(kāi)發(fā)者在使用SAX的時(shí)候都會(huì)發(fā)現(xiàn)他們自己正在創(chuàng)建一個(gè)完整的或者部分的DOM樹(shù)。
使用SAX，一個(gè)應(yīng)用程序每次只能處理一條標(biāo)記。如果其它的標(biāo)記內(nèi)容在處理的過(guò)程中必須被用到，那你就必須在處理的整個(gè)過(guò)程保持一種全局狀態(tài)。而保持全局狀態(tài)正是DOM模型目的的精髓。但是許多小型的XML應(yīng)用程序不需要完整的DOM模型。因此，SimpleDOMParser提供到標(biāo)記名、層次和內(nèi)容的訪問(wèn)，但是不涉及完整的W3C DOM的許多用不上的功能。
簡(jiǎn)化DOM模型
一個(gè)DOM樹(shù)是由分析XML文件產(chǎn)生的結(jié)點(diǎn)組成。結(jié)點(diǎn)是一個(gè)XML實(shí)體的非存儲(chǔ)表現(xiàn)。標(biāo)準(zhǔn)W3C DOM模型有幾種類型的結(jié)點(diǎn)。 舉例來(lái)說(shuō)，一個(gè)文本結(jié)點(diǎn)表示在XML文件中的一段文本，一個(gè)元素結(jié)點(diǎn)表示XML文件而一個(gè)屬性結(jié)點(diǎn)表示一個(gè)元素內(nèi)部的屬性名和值。
DOM是一個(gè)樹(shù)，因?yàn)槌烁蛭募Y(jié)點(diǎn)以外的每個(gè)結(jié)點(diǎn)都有一個(gè)父結(jié)點(diǎn)。舉例來(lái)說(shuō)，屬性結(jié)點(diǎn)總是和一個(gè)元素結(jié)點(diǎn)相關(guān)聯(lián)，而用來(lái)封裝元素的起始標(biāo)記和結(jié)束標(biāo)記中的文本是映射到一個(gè)文本結(jié)點(diǎn)的。文本結(jié)點(diǎn)是元素結(jié)點(diǎn)的一個(gè)子節(jié)點(diǎn)。所以，即使很簡(jiǎn)單的XML文件的表現(xiàn)也可能會(huì)需要很多種節(jié)點(diǎn)類型。舉例來(lái)說(shuō)，圖1表示下面XML文件的一個(gè)W3C DOM樹(shù)形表示。
- ＜parser＞SimpleDOMParser＜/parser＞
正如你在圖1中所看見(jiàn)的，DOM模型使用一個(gè)document類型節(jié)點(diǎn)來(lái)封裝整個(gè)XML文件，所以DOM使用三種不同的節(jié)點(diǎn)。通過(guò)把所有的DOM節(jié)點(diǎn)類型抽象成為一個(gè)單獨(dú)的類型SimpleElement來(lái)盡可能的簡(jiǎn)化DOM模型。一個(gè)SimpleElement獲得一個(gè)XML元素的關(guān)鍵的信息，比如標(biāo)識(shí)名、元素屬性和任何封裝的文本或者XML。此外，SimpleDOMParser不使用任何特殊的節(jié)點(diǎn)類型表示***等級(jí)的文檔。結(jié)果是大大地簡(jiǎn)化了DOM樹(shù)，使之只包含SimpleElement節(jié)點(diǎn)。圖2表示了簡(jiǎn)化的DOM樹(shù)。
代碼段1給出了SimpleElement類的完整的源程序。
- public class SimpleElement {
- private String tagName;
- private String text;
- private HashMap attributes;
- private LinkedList childElements;
- public SimpleElement(String tagName) {
- this.tagName = tagName;
- attributes = new HashMap();
- childElements = new LinkedList();
- }
- public String getTagName() {
- return tagName;
- }
- public void setTagName(String tagName) {
- this.tagName = tagName;
- }
- public String getText() {
- return text;
- }
- public void setText(String text) {
- this.text = text;
- }
- public String getAttribute(String name) {
- return (String)attributes.get(name);
- }
- public void setAttribute(String name, String value) {
- attributes.put(name, value);
- }
- public void addChildElement(SimpleElement element) {
- childElements.add(element);
- }
- public Object[] getChildElements() {
- return childElements.toArray();
- }
- }
#p#
定義XML語(yǔ)法分析基本元素
為了把一個(gè)XML文件處理成為上面提到的簡(jiǎn)化的DOM樹(shù)模型，我們必須定義一些基本的語(yǔ)法分析規(guī)則。使用這些規(guī)則，語(yǔ)法分析程序就能容易地從輸入的XML文件中提取標(biāo)記或者文本塊。
***個(gè)是peek，從輸入的XML文件中返回下一個(gè)字符，而實(shí)際上則不必從下層流中獲得這個(gè)字符。通過(guò)保持輸入流的完整性，高級(jí)函數(shù)比如readTag和readText（后面將介紹）可以更加容易地根據(jù)它們接下來(lái)期待的字符獲取需要的內(nèi)容。
- private int peek() throws IOException {
- reader.mark(1);
- int result = reader.read();
- reader.reset();
- return result;
- }
下一個(gè)方法是skipWhitespce，作用是跳過(guò)輸入的XML流中的空格、制表符或者回車符。
- private void skipWhitespace() throws IOException {
- while (Character.isWhitespace((char) peek())) {
- reader.read();
- }
- }
在創(chuàng)建了如上所述的這兩個(gè)方法后，我們就可以寫(xiě)一個(gè)函數(shù)從輸入文件中檢索XML標(biāo)記。
- private String readTag() throws IOException {
- skipWhitespace();
- StringBuffer sb = new StringBuffer();
- int next = peek();
- if (next != '＜') {
- throw new IOException
- ("Expected ＞ but got " + (char) next);
- }
- sb.append((char)reader.read());
- while (peek() != '＞') {
- sb.append((char)reader.read());
- }
- sb.append((char)reader.read());
- return sb.toString();
- }
和peek方法聯(lián)合使用，readTag函數(shù)只獲得一個(gè)標(biāo)記的內(nèi)容，而讓別的函數(shù)去處理其他的內(nèi)容。 ***的一個(gè)方法是readText函數(shù)，用來(lái)讀取XML標(biāo)記之間的文本。
- private String readText() throws IOException {
- int[] cdata_start = {'＜', '!',
- '[', 'C', 'D', 'A', 'T', 'A', '['};
- int[] cdata_end = {']', ']', '＞'};
- StringBuffer sb = new StringBuffer();
- int[] next = new int[cdata_start.length];
- peek(next);
- if (compareIntArrays(next, cdata_start) == true) {
- // CDATA
- reader.skip(next.length);
- int[] buffer = new int[cdata_end.length];
- while (true) {
- peek(buffer);
- if (compareIntArrays
- (buffer, cdata_end) == true) {
- reader.skip(buffer.length);
- break;
- } else {
- sb.append((char)reader.read());
- }
- }
- } else {
- while (peek() != '＜') {
- sb.append((char)reader.read());
- }
- }
- return sb.toString();
- }
這次使用的peek方法是前面那個(gè)從基本的XML文檔返回一個(gè)字符串序列的peek方法的變體。這個(gè)peek變體讓語(yǔ)法分析程序判斷它將分析的文本是否被裝入一個(gè)CDATA塊。compareIntArrays函數(shù)是一個(gè)執(zhí)行兩個(gè)整數(shù)數(shù)組的深度比較的簡(jiǎn)單程序。
#p#
定義XML語(yǔ)法分析基本元素
為了把一個(gè)XML文件處理成為上面提到的簡(jiǎn)化的DOM樹(shù)模型，我們必須定義一些基本的語(yǔ)法分析規(guī)則。使用這些規(guī)則，語(yǔ)法分析程序就能容易地從輸入的XML文件中提取標(biāo)記或者文本塊。
***個(gè)是peek，從輸入的XML文件中返回下一個(gè)字符，而實(shí)際上則不必從下層流中獲得這個(gè)字符。通過(guò)保持輸入流的完整性，高級(jí)函數(shù)比如readTag和readText（后面將介紹）可以更加容易地根據(jù)它們接下來(lái)期待的字符獲取需要的內(nèi)容。
- private int peek() throws IOException {
- reader.mark(1);
- int result = reader.read();
- reader.reset();
- return result;
- }
下一個(gè)方法是skipWhitespce，作用是跳過(guò)輸入的XML流中的空格、制表符或者回車符。
- private void skipWhitespace() throws IOException {
- while (Character.isWhitespace((char) peek())) {
- reader.read();
- }
- }
在創(chuàng)建了如上所述的這兩個(gè)方法后，我們就可以寫(xiě)一個(gè)函數(shù)從輸入文件中檢索XML標(biāo)記。
- private String readTag() throws IOException {
- skipWhitespace();
- StringBuffer sb = new StringBuffer();
- int next = peek();
- if (next != '＜') {
- throw new IOException
- ("Expected ＞ but got " + (char) next);
- }
- sb.append((char)reader.read());
- while (peek() != '＞') {
- sb.append((char)reader.read());
- }
- sb.append((char)reader.read());
- return sb.toString();
- }
和peek方法聯(lián)合使用，readTag函數(shù)只獲得一個(gè)標(biāo)記的內(nèi)容，而讓別的函數(shù)去處理其他的內(nèi)容。 ***的一個(gè)方法是readText函數(shù)，用來(lái)讀取XML標(biāo)記之間的文本。
- private String readText() throws IOException {
- int[] cdata_start = {'＜', '!',
- '[', 'C', 'D', 'A', 'T', 'A', '['};
- int[] cdata_end = {']', ']', '＞'};
- StringBuffer sb = new StringBuffer();
- int[] next = new int[cdata_start.length];
- peek(next);
- if (compareIntArrays(next, cdata_start) == true) {
- // CDATA
- reader.skip(next.length);
- int[] buffer = new int[cdata_end.length];
- while (true) {
- peek(buffer);
- if (compareIntArrays
- (buffer, cdata_end) == true) {
- reader.skip(buffer.length);
- break;
- } else {
- sb.append((char)reader.read());
- }
- }
- } else {
- while (peek() != '＜') {
- sb.append((char)reader.read());
- }
- }
- return sb.toString();
- }
這次使用的peek方法是前面那個(gè)從基本的XML文檔返回一個(gè)字符串序列的peek方法的變體。這個(gè)peek變體讓語(yǔ)法分析程序判斷它將分析的文本是否被裝入一個(gè)CDATA塊。 compareIntArrays函數(shù)是一個(gè)執(zhí)行兩個(gè)整數(shù)數(shù)組的深度比較的簡(jiǎn)單程序。
【編輯推薦】
