Java API for XML Parsing(JAXP)演进

jinzq 2007-09-24

展开全文

http://www./Java/HTML/75888.html

简介
　　
在1998年W3CXML1.0推荐标准发布之后，XML就开始变得很流行。Sun公司就是在那时候规范Java Community Process (JCP),同时JAXP(JSR-05)的第一版在2000早些时候发布了。这个版本得到了很多工业集团的支持，譬如（以年月次序排列）BEA Systems, Fujitsu Limited, Hewlett-Packard, IBM, Netscape Communications, Oracle, and Sun Microsystems, Inc.
　　
　　JAXP （全称Java API for XML Parsing）的可插拔性（pluggability）在开发社区里引起很大的轰动。这点也是JAXP的精华所在。开发人员可以编写自己的xml处理器，只要它符合JAXP的APIs，这样底层不同的xml处理器可以任意切换而不用改应用程序的代码。
　　
　　那JAXP到底是什么呢？首先这个P有点迷惑，它代表Parsing还是Processing呢？
　　
　　因为JAXP1.0的时候只支持解析（parsing），所以JAXP全称应该是Java API for XML Parsing.
　　
但在JAXP1.1的时候，XSL-T被推荐用作XML的转换（transformation）处理。很遗憾，当时W3C XLT-T的标准规范（specification）里没有提供任何用来转换（transformation）处理的APIs。因此JAXP1.1的专家组推荐了一组APIs叫Transformation API for XML (TrAX)。
　　
　　从此JAXP就叫Java API for XML Processing. JAXP通过逐步进化，支持的东西也越来越多
　　
　　不仅仅是解析xml文件（譬如在解析文档的时候根据schema校验有效性，根据预解析的schema来校验文档有效性，计算XPath 表达式等等）。
　　
　　由于底层用来处理xml文档的可插拔的processor是任意编写的，只要它符合JAXP的规范，因此JAXP 是一个轻量级的处理xml文件的处理APIs。（译者注：JAXP只是一个api规范而已，真正底层实现是任意的。后面会有具体介绍。）
　　
　　使用JAXP来解析XML文档
　　
JAXP支持基于对象和基于事件的两种解析方式。基于对象的解析，到目前为止只支持W3C DOM解析，JAXP的专家组可能在JAXP的将来版本中会支持J-DOM规范。基于事件的解析，只有SAX 解析模式被支持，另一个基于事件的解析模式叫Pull Parsing，本来它应该是JAXP的一部分。但是对于Pull Parsing存在有一份不同的JSR (#173)文档，也就是大家所知道的Streaming API for XML (StAX) parsing，现在我们对于那个也没什么更多的可以做了。
　　

　　Figure 1: Various mechanism of parsing XML

　　
　　使用SAX来解析XML文档
　　
SAX APIs 是在1998年的早些时候由David Megginson提出的，目标是成为基于事件驱动的xml文档解析模式的标准API(这里你可以的到一些 SAX 的历史信息)。即使这样，SAX仍不是W3C 的REC。但毫无疑问实际中它是行业内解析XML文档的标准。
　　
　　SAX 是一种基于事件的解析模式，是push-parsing原理，解析文档的时候，当遇到<opening> 标签, </closing>标签或字符等，SAX 都会产生相应的事件（event）。一个SAX解析器解析XML文档的时候，把文档看作为一个流，依次产生相应的事件报告给已注册的content handler, org.xml.sax.ContentHandler，如果有错误，错误会报告给error handler, org.xml.sax.ErrorHandler.
　　
　　如果你不注册一个error handler，那你就根本不会知道在解析XML文档的时候有没有错误产生和错误是什么。因此，在SAX解析XML文档的时候注册一个error handler是极其重要的。
　　
　　如果程序需要知道有什么事件产生了（并且想处理此事件），那你必须实现org.xml.sax.ContentHandler 接口并注册给 SAX解析器。一个典型的事件被触发的顺序是
　　
　　startDocument, startElement, characters, endElement, endDocument。
　　
　　startDocument 仅仅被触发一次而且是在触发其它event之前。同样，endDocument仅仅被触发一次而且是在整个文档被成功解析之后。你可以从SAX javadocs中获取更详细的信息。
　　

　　Figure 2: SAX Parsing XML

　　
　　使用JAXP,通过SAX parse XML document的代码片断:
　　
　　SAXParserFactory spfactory = SAXParserFactory.newInstance();
　　spfactory.setNamespaceAware(true);
　　SAXParser saxparser = spfactory.newSAXParser();
　　//write your handler for processing events and handling error
　　DefaultHandler handler = new MyHandler();
　　//parse the XML and report events and errors (if any) to the handler
　　saxparser.parse(new File("data.xml"), handler);
　　
　　文档对象模型解析
　　
DOM 解析是基于对象的原理，当用DOM解析XML文档时它会在内存中生成一个树形的结构来表示一个XML文档。树上的每个节点代表着XML文档中的一个节点。如果一个DOM解析器符合W3C标准，那它产生的DOM就是W3C的DOM，使用org.w3c.dom APIs就能遍历和修改这个DOM。
　　
　　大部分DOM解析器允许你抽取XML文档里的一部分来生成DOM树，而不是把整个XML文档在内存中建立对应DOM树。
　　

　　Figure 3: DOM Parsing XML

　　
　　使用JAXP, 通过DOM parse XML document的代码片断:
　　
　　DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
　　dbfactory.setNamespaceAware(true);
　　DocumentBuilder domparser = dbfactory.newDocumentBuilder();
　　//parse the XML and create the DOM
　　Document doc = domparser.parse(new File("data.xml"));
　　//to create a new DOM from scratch -
　　//Document doc = domparser.newDocument();
　　//once you have the Document handle, then you can use
　　//the org.w3c.dom.* APIs to traverse or modify the DOM...
　　
　　在校验模式下进行解析
　　
　　根据DTD校验
　　
DTD 是XML 文档的语法。经常人们会觉得DTD有点另类，因为它和XML的syntax不一样，但DTD是W3C XML1.0里的完整的一部分。如果一份XML文档声明了DOCTYPE，并且想在解析的时候根据DTD校验文档，那你必须在适当的factory里启用根据DTD校验文档（validation）这个特性。例如：
　　
　　DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
　　dbfactory.setValidating(true);
　　OR
　　SAXParserFactory spfactory = SAXParserFactory.newInstance();
　　spfactory.setValidating(true);
　　
注意，如果XML文档声明了一个DTD ，即使你不启用校验（validation）这个特性，解析器总是试着去读入这个DTD。　这样做的目的是为了保证XML文档中entity reference被正确的扩展了，否则会导致格式不正确的XML文档，只有在XML文档序言部分的声明中standalone属性被置为true时，外部的DTD才会被完全忽略掉。例如：
　　
　　<?xml version="1.1" encoding="UTF-8" standalone="yes"?>
　　
　　根据W3C Schema来校验XML文档(WXS)
　　
XMLSchema 是XML文档的另外一种文法描述。XMLSchema非常流行市因为它和XML文档使用同样的语法并且提供了丰富的定义校验限制的特性。如果一个XML文档用"schemaLocation" 和"noNamespaceSchemaLocation"指向了一个schema，结下来你想启用根据XMLSchema校验文档这个特性，你还要做如下的步骤：
　　
　　1.和上面说的一样，调用SAXParserFactory o或DocumentBuilderFactory的setValidating函数来启用validation这个特性。
　　
　　2.把属性 "http://java./xml/jaxp/properties/schemaLanguage" 值设为 "http://www./2001/XMLSchema"
　　
　　注意，这种情况下，即使XML文档有DOCTYPE声明，处理器仍不会用DTD来校验这个文档。但是和前面提到的一样，为了任何一个entity reference是被正确扩展的，这个DTD还是会被装载的，
　　
既然"schemaLocation" 和"noNamespaceSchemaLocation"仅仅是提示，所以可以使用属性"http: //java./xml/jaxp/properties/schemaSource"从外部提供schemas来覆盖这些提示。
　　
　　对于这个属性，一些可以接受值是：
　　
　　·是一个代表schema的URL地址的字符串。
　　
　　·java.io.InputStream with the contents of the schema
　　
　　·org.xml.sax.InputSource
　　
　　·java.io.File
　　
　　·一个 java.lang.Object 的数组，数组内容是上面所提到三类中的一个。
　　
　　例如:
　　
　　SAXParserFactory spfactory = SAXParserFactory.newInstance();
　　spfactory.setNamespaceAware(true);
　　//turn the validation on
　　spfactory.setValidating(true);
　　//set the validation to be against WXS
　　saxparser.setProperty("http://java./xml/jaxp/properties/
　　schemaLanguage", "http://www./2001/XMLSchema");
　　//set the schema against which the validation is to be done
　　saxparser.setProperty("http://java./xml/jaxp/properties/
　　schemaSource", new File("myschema.xsd"));
　　
　　使用JAXP的TrAX APIs来进行XML文档转换处理工作
　　
　　W3C XSL-T 定义了一些转换规则来把源树转化生成结果树。在XSL-T中，转换信息所存在的文件叫样式表（stylesheet）。要用JAXP来转换一个XML文档，你需