理解SAX解析xml的工作原理

2014/05/08 20:31
阅读数 7.6K

SAX是SIMPLE API FOR XML的缩写,与DOM比较而言,SAX是一种轻量型的方法。


1.简述DOM与SAX解析的区别:

    在处理DOM的时候,我们需要读入整个的XML文档,然后在内存中创建DOM树,生成DOM树上的每个NODE对象。当文档比较小的时候,这不会造成什么问题,但是一旦文档大起来,处理DOM就会变得相当费时费力。特别是其对于内存的需求,也将是成倍的增长,以至于在某些应用中使用DOM是一件很不划算的事。这时候,一个较好的替代解决方法就是SAX。

    SAX在概念上与DOM完全不同。首先,不同于DOM的文档驱动,它是事件驱动的,也就是说,它并不需要读入整个文档,而文档的读入过程也就是SAX的解析过程。所谓事件驱动,是指一种基于回调(callback)机制的程序运行方法。在XMLReader接受XML文档,在读入XML文档的过程中就进行解析,也就是说读入文档的过程和解析的过程是同时进行的,这和DOM区别很大。

    解析开始之前,需要向XMLReader注册一ContentHandler,也就是相当于一个事件监听器,在ContentHandler中定义了很多方法,比如startDocument(),它定制了当在解析过程中,遇到文档开始时应该处理的事情。当XMLREADER读到合适的内容,就会抛出相应的事件,并把这个事件的处理权代理给ContentHandler,调用其相应的方法进行响应。 

2.以例子来解释:

XML文件:

<POEM> 
<AUTHOR>OGDEN NASH</AUTHOR> 
<TITLE>FLEAS</TITLE> 
<LINE>ADAM</LINE> 
</POEM>

  当XMLReader读到<POEM>标签时,就会调用ContentHandler.startDocument()方法,并把标签名POEM作为参数传递过去。在你实现的startElement()方法中需要做相应的动作,以处理当<POEM>出现时应该做的事情。各个事件随着解析的过程(也就是文档读入的过程)一个个顺序的被抛出,相应的方法也会被顺序的调用,最后,当解析完成,方法都被调用后,对文档的处理也就完成了。下面的这个表,列出了在解析上面的那个XML文件的时候,顺序被调用的方法。

  方法回调过程:

{文档开始} STARTDOCUMENT() 
<POEM> STARTELEMENT(NULL,"POEM",NULL,{ATTRIBUTES}) 
" " CHARACTERS("<POEM> ...", 6, 1) 
<AUTHOR> STARTELEMENT(NULL,"AUTHOR",NULL,{ATTRIBUTES}) 
"OGDEN NASH" CHARACTERS("<POEM> ...", 15, 10) 
</AUTHOR> ENDELEMENT(NULL,"AUTHOR",NULL) 
" " CHARACTERS("<POEM> ...", 34, 1) 
<TITLE> STARTELEMENT(NULL,"TITLE",NULL,{ATTRIBUTES}) 
"FLEAS" CHARACTERS("<POEM> ...", 42, 5) 
</TITLE> ENDELEMENT(NULL,"TITLE",NULL) 
" " CHARACTERS("<POEM> ...", 55, 1) 
<LINE> STARTELEMENT(NULL,"LINE",NULL,{ATTRIBUTES}) 
"ADAM" CHARACTERS("<POEM> ...", 62, 4) 
</LINE> ENDELEMENT(NULL,"LINE",NULL) 
" " CHARACTERS("<POEM> ...", 67, 1) 
</POEM> ENDELEMENT(NULL,"POEM",NULL) 
{文档结束} ENDDOCUMENT()

  ContentHandler实际上是一个接口,当处理特定的XML文件的时候,就需要为其创建一个实现了ContentHandler的类来处理特定的事件,这个实际上就是SAX处理XML文件的核心。下面是几个主要的方法
  void characters(char[] ch, int start, int length):这个方法用来处理在XML文件中读到字符串,它的参数是一个字符数组,以及读到的这个字符串在这个数组中的起始位置和长度,我们可以很容易的用String类的一个构造方法来获得这个字符串的String类:String charencontered=new String(ch,start,length)。
  void startDocument():当遇到文档的开头的时候,调用这个方法,可以在其中做一些预处理的工作。
  void endDocument():当文档结束的时候,调用这个方法,可以在其中做一些善后的工作。 
  void startElement(String namespaceuri, String localname, String qname, Attributes atts):当读到一个开始标签的时候,会触发这个方法。在SAX1.0版本中并不支持名域,而在新的2.0版本中提供了对名域的支持,这儿参数中的namespaceuri就是名域,localname是标签名,qname是标签的修饰前缀,当没有使用名域的时候,这两个参数都未NULL。而atts是这个标签所包含的属性列表。通过ATTS,可以得到所有的属性名和相应的值。


    注意:SAX中一个重要的特点就是它的流式处理,在遇到一个标签的时候,它并不会纪录下以前所碰到的标签,也就是说,在startElement()方法中,所有你所知道的信息,就是标签的名字和属性,至于标签的嵌套结构,上层标签的名字,是否有子元属等等其它与结构相关的信息,都是不得而知的,都需要你的程序来完成。这使得SAX在编程处理上没有DOM来得那么方便。
  void endElement(String namespaceuri, String localname, String qname):和startElement方法相对应,在遇到结束标签的时候,调用这个方法。
  沿用讲DOM的时候使用的那个文档例子,首先,我们先看一个简单一些的应用,我们希望能够统计一下XML文件中各个标签出现的次数。这个例子很简单,但是足以阐述SAX编程的基本思路了。


import org.xml.sax.helpers.defaulthandler; 
import javax.xml.parsers.*; 
import org.xml.sax.*; 
import org.xml.sax.helpers.*; 
import java.util.*; 
import java.io.*;  
//创建一个继承于defaulthandler的类
public class saxcounter extends defaulthandler { 
    private hashtable tags; //这个hashtable用来记录tag出现的次数 
// 处理文档前的工作 
    public void startdocument() throws saxexception { 
        tags = new hashtable();//初始化hashtable 
    } 
//对每一个开始元属进行处理 
    public void startelement(string namespaceuri, string localname, 
        string rawname, attributes atts) throws saxexception 
{ 
string key = localname; 
……

  我们来看看这段程序作了些什么。在main()方法中,主要做的就是创建解析器,然后解析文档。实际上,在这儿创建SaxParser对象的时候,为了使程序代码于具体的解析器无关,使用了同DOM中一样的设计技巧:通过一个SaxParserFactory类来创建具体的SaxParser对象,这样,当需要使用不同的解析器的时候,要改变的,只是一个环境变量的值,而程序的代码可以保持不变。这就是工厂方法模式的思想。
  不过在这儿还有一点点要注意的地方,就是SaxParser类和XmlReader类之间的关系。实际上SaxParser是JAXP中对XmlReader的一个封装类,而XmlReader是定义在SAX2.0种的一个用来解析文档的接口。你可以同样的调用SaxParser或者XmlReader中的parser()方法来解析文档,效果是完全一样的。不过在SaxParser中的parser()方法接受更多的参数,可以对不同的XML文档数据源进行解析,因而使用起来要比XmlReader要方便一些。
  下面我们要实现的功能,在DOM的例子中已经有实现了,就是从XML文档中读出内容并格式化输出。 
  前面说过,当遇到一个开始标签的时候,在startElement()方法中,我们并不能够得到这个标签在XML文档中所处的位置。这在处理XML文档的时候是个大麻烦,因为在XML中标签的语义,有一部分是由其所处的位置所决定的。而且在一些需要验证文档结构的程序中,这更是一个问题。当然,没有解决不了的问题了,我们可以使用一个栈来实现对文档结构的纪录。 
  栈的特点是先进先出,我们现在的想法是,在startElement()方法中用PUSH将这个标签的名字添加到栈中,在endElement()方法中在把它pop出来。我们知道对一个结构良好的XML而言,其嵌套结构是完备的,每一个开始标签总会对应一个结束标签,而且不会出现标签嵌套之间的错位。因而,每一次STARTELEMENT()方法的调用,必然会对应一个endElement()方法的调用,这样push和pop也是成对出现的,我们只需要分析栈的结构,就可以很容易的知道当前标签所处在文档结构中的位置了。

public class SaxReader extends DefaultHandler { 
java.util.Stack tags=new java.util.stack(); 
……

  在这儿虽然没有使用到栈的分析,但实际上栈的分析是一件很容易的事情,应为java.util.Stack继承了java.util.Vector类,而且stack中的元素是按栈的结构由底至上排列的,因个,我们可以使用vector类的size()方法来得到stack的元素个数,还可以使用vector的get(int index)方法来得到具体的每一个元属。实际上,如果把stack的元素从底向上逐一排列出来,我们就得到了从XML根节点到当前节点的一条唯一的路径,有了这条路径的信息,文档的结构就在清楚不过了。

3.总结 

  到目前为止,我们已经掌握了对于XML编程的两大利器:DOM和SAX,也知道了该如何在一个JAVA程序中使用它们。DOM编程相对简单,但是速度比较慢,占用内存多,而SAX编程复杂一些,但是速度快,占用内存少。所以,我们应该根据不同的环境选择使用不同的方法。大部分的XML应用基本都可以用它们来解决。需要特别说明的是,DOM和SAX其实都是语言无关的,并非JAVA所独有,也就是说,只要有相应的语言实现,DOM和SAX可以应用在任何面向对象的语言中。


展开阅读全文
加载中

作者的其它热门文章

打赏
0
12 收藏
分享
打赏
4 评论
12 收藏
0
分享
返回顶部
顶部