XML DOM解析 基礎概念

 

DOM和SAX

　　W3C制定了一套書寫XML分析器的標准接口規范——DOM。

　　除此以外，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范——SAX。

　　這兩種接口規范各有側重，互有長短，應用都比較廣泛。

 

　　應用程序開發過程中，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。

　　然后，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。

 

 

 

DOM介紹 優缺點分析

　　DOM: Document Object Model 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，當文檔比較大或結構比較復雜時，對內存的需求就比較高。

　　而且，對於結構復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。

　　由於DOM分析器所采用的樹結構的思想與XML文檔的結構相吻合，同時鑒於隨機訪問所帶來的方便，因此，DOM分析器還是有很廣泛的應用價值的。

 

DOM的組成

　　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、與平台無關的標准接口規范。

　　DOM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這兩種文檔的方法。

　　文檔代表的是數據，而DOM則代表了如何去處理這些數據。

　　作為W3C的標准接口規范，目前，DOM由三部分組成，包括：核心（core）、HTML接口和XML接口。

　　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接口兩部分則是專為操作具體HTML文檔和XML文檔所提供的高級接口。

 

DOM樹

　　一個XML文檔及其所對應的DOM樹如下：

 

<?xml version="1.0" encoding="utf-8"?>

<bookstore>
    <book category="children">
          <title lang="en">Harry Potter</title> 
          <author>J K. Rowling</author> 
          <year>2005</year> 
          <price>29.99</price> 
    </book>

    <book category="cooking">
          <title lang="en">Everyday Italian</title> 
          <author>Giada De Laurentiis</author> 
          <year>2005</year> 
          <price>30.00</price> 
    </book>

    <book category="web">
          <title lang="en">Learning XML</title> 
          <author>Erik T. Ray</author> 
          <year>2003</year> 
          <price>39.95</price> 
    </book>

    <book category="web">
          <title lang="en">XQuery Kick Start</title> 
          <author>James McGovern</author> 
          <author>Per Bothner</author> 
          <author>Kurt Cagle</author> 
          <author>James Linn</author> 
         <author>Vaidyanathan Nagarajan</author> 
          <year>2003</year> 
          <price>49.99</price> 
    </book>

</bookstore>

 

 

 

　　要嚴格區分XML文檔樹中的根節點與根元素節點：

　　文檔（根節點）和根元素節點是兩回事。

　　根節點代表整個文檔，是我們解析XML文檔的入口，通過它獲取到Document對象；

　　根元素節點代表XML文檔的根元素，必須要在獲得Document對象之后才能一層一層地去訪問它的元素。

 

DOM模型結構

　　最常見的節點類型：

　　元素：元素是XML的基本構建。

　　元素可以有其他元素、文本節點或兩者兼有來作為其子節點。

　　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，不認為它是元素的子節點。

　　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他節點的父節點。（根節點不等於根元素節點）。

　　較不常見的節點類型：CDATA、注釋、處理指令。

 

DOM的四個基本接口

　　在DOM接口規范中，有四個基本的接口：Document, Node, NodeList, NamedNodeMap。

Document

　　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

　　Node接口是其他大多數接口的父類。

　　在DOM樹中，Node接口代表了樹中的一個節點。

NodeList

　　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。

　　它提供了對節點集合的抽象定義，並不包含如何實現這個節點集的定義。

　　NodeList用於表示有順序關系的一組節點，比如某個節點的子節點序列。

　　在DOM中，NodeList的對象是live的，對文檔的改變，會直接反映到相關的NodeList對象中。

 

NamedNodeMap

　　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系，從而利用節點名可以直接訪問特定的節點，這個接口主要用在屬性節點的表示上。

　　盡管NamedNodeMap所包含的節點可以通過索引來進行訪問，但是這只是提供了一種枚舉方法，NamedNodeMap所包含的節點集中節點是無序的。

　　與NodeList相同，在DOM中，NamedNodeMap對象也是live的。

 

解析器基礎

　　XML解析器實際上就是一段代碼，它讀入一個XML文檔並分析其結構。

　　分類：

　　帶校驗的解析器。

　　不帶校驗的解析器。

　　支持DOM的解析器（W3C的官方標准）

　　支持SAX的解析器（事實上的工業標准）

 

參考資料

　　聖思園張龍老師XML視頻教程。

　　w3school XML DOM 教程：

　　http://www.w3school.com.cn/xmldom/index.asp

　　Java API文檔：

　　http://docs.oracle.com/javase/7/docs/api/index.html