【转】2009-2010年第二学期优秀讲义：翟丽老师《SAX解析XML文档》

第一讲SAX解析器

提出问题：有个作家构思了一部小说，我们读者要想看到这部小说，有什么办法？

有人说了：可以让作家把构思的这部小说写下来，然后印刷出版，我们不就可以看啦。这就类似与我们上一章学过的DOM解析过程。先建造一个印刷工厂，再搭建一条用于印刷的流水线技术，然后作家的构思原稿经过加工，就生成了印刷版的书。我们就可以阅读了。

我们用java语言将以上DOM解析步骤写出来：（回顾上一讲内容）

第一步：

DocumentBuilderFactory factory=DocumentBuilderFactory.newInstance();

实例化一个印刷工厂（factory）

第二步：DocumentBuilder builder = factory.newDocumentBuilder();

        搭建一条用于印刷的流水线技术（builder）

第三步：Document document= builder.parse("new File("story.xml")");

作家的构思原稿（story.xml），经过流水线技术（builder）的加工（parse），就生成了一部小说（document对象）。

现在又有人问了，我不想这样等，要等作家把小说全部构想完，然后再出版，我才能看到，这样太慢了。

是呀！如果是部短片小说，有简短的故事情节，只有几千字，那我可以等作家构思、印刷出版，然后拜读。那如果这是部长篇小说，有很多故事情节，长达几十万字或者更多，那我岂不是要等到猴年马月呀？怎么办呢？

有个聪明人说了，我有个办法，可以利用网络呀。

有人搭腔了，是呀，直接公布到网上，就省去了印刷、装订的步骤，哈哈。

聪明人又说了，不是你想的那样，是这个样子。。。。。

我们可以建立一个网站，然后这位作家有一个专栏。现在作家就可以开始写了，作家每构思好一章，就在自己的专栏公布一章，一直到最后一章小说结束。作家每公布一章，我们读者就可以读到一章，紧随作家的脚步，等作家构思完最后一章，我们也就拜读完了，何乐而不为呢。这种跟随作家脚步的拜读方法，就类似与我们今天要学习内容：SAX解析XML文档的过程。

Ø        我们先来看一下SAX的定义：

SAX是Simple API for XML的缩写，翻译过来的意思是简易应用程序编写接口。SAX允许在读取文档时处理它，不必等待整个文档被存储之后才采取操作。

SAX处理的优点非常类似于流媒体的优点。分析能够立即开始，而不是等待所有的数据被处理。而且，由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。事实上，应用程序甚至不必解析整个文档；它可以在某个条件得到满足时停止解析。

Ø        SAX与DOM的比较：

DOM
SAX

在内存中建立文件树,不适于处理大型的XML文件；
依序读入文件并产生相对应事件,可以处理任何大小的XML文件；

可以随意存取文件树的任何部分，没有次数限制；
只能对文件按顺序剖析一遍，不支持对文件的随意存取；

可以随意修改文件树，从而修改了XML文件
只能读取XML文件内容，而不能修改；

易于理解，易于开发；
开发上比较复杂，需要自己来制作事件处理器；

已经在DOM基础之上建立了文件树。
对工作人员更灵活，可以用SAX建立自己的XML对象模型。


通过对SAX与DOM的分析，它们各有自己的不同应用领域。DOM采用建立树形结构的方式访问XML文档，而SAX采用的事件模型。

Ø        SAX工作机制：

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。我们也可以把它称为授权事件模型。

那我们小说的例子来解读SAX工作机制中的事件驱动：



现在我们画出SAX的工作机制，如下图：






将SAX工作机制应用与实例中：

比如考虑下面一个简单的文档。

＜?XML version="1.0"?＞

＜parts＞

＜part＞TurboWidget＜/part＞

＜/parts＞

当SAX在处理这个文档的时候，它产生如下的一系列的事件：

StartDocument( )

StartElement( "parts" )

StartElement( "part" )

Characters( "TurboWidget" )

EndElement( "part" )

EndElement( "parts" )

EndDocument( )

这些我们都了解了之后，现在考虑用java如何创建和使用SAX。

Ø        SAX对象的创建步骤：（SAX解析器的核心是事件处理机制）

1.    建造一个SAX解析工厂；

使用javax.xml.parsers包中SAXParserFactory类调用方法newInstance实例化一个解析器工厂对象.代码如下:

 

2.    创建工厂的一个SAX解析器；

使用Factory对象调用newnewSAXParser ()方法,创建一个SAXParser对象,也可以称为SAX解析器




3.    导入文件，使用解析器进行解析。

解析器创建完成后,就调用parse()方法解析XML文件.

 






Ø        SAX解析XML（Example1.xml）文档过程：

 

详细的解析过程：


1.      发现XML文件，触发文件开始事件，监听器调用startDocument()方法处理；

2.      发现“员工名单”的开始标记,触发开始标记事件，监听器调用startElement()方法处理；

3.      发现<员工名单>和<员工>之间的空白符号，触发文本事件，监听器调用characters方法处理；

4.      发现“员工”的开始标记,触发开始标记事件，监听器调用startElement()方法处理；

5.      发现<员工>和<姓名>之间的空白符号，触发文本事件，监听器调用characters方法处理；

6.      发现“姓名”的开始标记,触发开始标记事件，监听器调用startElement()方法处理；

7.      发现<姓名>标记的文本内容，触发文本事件，监听器调用characters方法处理；

8.      发现“姓名”标记的结束标记，触发结束标记事件，监听器调用endElement()方法处理；

…………

17．发现XML文件结束，触发文件结束事件，调用endDocument()方法。

    用java语言将这些步骤写出来：

完整Example1.java文件：

import javax.xml.parsers.*;

import org.xml.sax.helpers.*;

import org.xml.sax.*;

import java.io.*;

public class Example1{

      public static void main(String args[]){

           try{

              SAXParserFactory factory=SAXParserFactory.newInstance();

              SAXParser saxParser=factory.newSAXParser();//创建SAX解析器

              MyHandler handler=new MyHandler();//创建事件处理器

              saxParser.parse(new File("Example1.xml"),handler);//绑定文件和事件处理者

              System.out.println("该XML文件共有"+handler.count+"标记");

             }

          catch(Exception e)

               {System.out.println(e); }

           }

     }

class MyHandler extends DefaultHandler{

      int count=0;

      public void startDocument(){//解析到文档开始时调用该方法

         System.out.println("开始解析XML文件");

         count++;

         }

      public void endDocument(){//解析到文档结束时调用该方法

         System.out.println("解析文件结束");

         count++;

        }

      public void startElement(String uri,String localName,String qName,Attributes atts){ //解析到标记开始时调用该方法

          System.out.println("<"+qName+">");

          count++;

        }

     public void endElement(String uri,String localName,String qName){//解析到标记结束时调用该方法

          System.out.println("<"+qName+">");

          count++;

        }

      public void characters(char[] ch,int start,int length){//解析到标记间的数据时调用该方法

          String text=new String(ch,start,length);

          System.out.println(text);

          count++;

        }

}

输出结果，如下图：



总结SAX解析XML文档的特点：


1.  SAX提供的模型不允许对XML文件随机存取

如：当前解析到第3个Element，此时程序无法得到第5个Element的信息，因为还没有解析到第5个Element；同样也无法得到第1个 Element的信息，因为已经丢失了。当然可以通过声明变量保存解析过的数据，但这如同手动在内存中构造了某种数据结构，一般都是树型结构，这相当麻烦且没有必要，因为DOM恰恰提供了这样一个内存中的模型。

2.  SAX模型中元素之间的横向移动困难

SAX提供的是层次型的解析，便利所有第1个Element的子节点（一直到叶子节点）后，才可能开始解析下一个兄弟Element。而且很难知道某一时刻，解析到了哪个层次节点了。DOM则可以很好的解决这个问题，可以方便的找到任何兄弟节点。

3.  SAX是熊瞎子劈苞米

SAX是解析一个节点后回调一个方法，把该节点相关信息传送给调用者，然后丢弃这些信息，继续解析下一个节点。正是这样一个机制，使得SAX占用内存很少，它不会预存储整个XML文档，也不会在解析后保存任何解析结果。而DOM则正好相反，把整个XML加载进内存中，即使是延迟加载策略，也会浪费额外的性能为代价。所以当XML非常庞大的时候，还是需要首选SAX。

4.  SAX的修改XML能力差

尽管SAX2.0提供了XMLWriter，但是大量的修改XML，还是不建议采用它来完成。XMLWriter更适合记录解析过程的日志。

自学检查：

学习了DOM解析和SAX解析，实现一个DOM和SAX结合的例子。

从已有的XML文档（Example2.xml）中提取数据创建一新的XML文档。

（1）    使用SAX从原XML文档中提取数据并存储。（提取<图书>标记下面的<名称>和<价格>，并且取价格>35的节点）

（2）    使用DOM创建一个新的XML文档

写出Example2.java文件的代码。