DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
在Java中使用DOM與XPath進行高效XML處理(上)
編輯:XML詳解     

文檔物件模型(Document Object Model,DOM)是公認的 W3C 標準,用於以平台及語言無關的方式動態存取與更新 XML 文檔的內容、結構與樣式。它為表示文檔定義了一套標準的介面集,也為存取與操作文檔定義了一套標準方法。DOM 得到廣泛支援,並以 Java、Perl、C、C++、VB、Tcl、Python 等多種語言實作。

正如本文將演示的,當基於流的模型(如 SAX)無法滿足 XML 處理需求時,DOM 是極佳的選擇。然而遺憾的是,規範的某些面向——例如其語言無關介面與「一切都是節點」(everything-is-a-node)的抽象——使它不易使用,也易於產生脆弱的程式碼。本文將探討常見問題及其補救之道。

文檔物件模型

DOM 規範被設計成可與任何程式語言搭配使用,因此它試圖採用一套在所有語言中都通用的核心功能,並保持介面定義的無關性。這使得 Java 工程師在改用 Visual Basic 或 Perl 時,仍能沿用既有的 DOM 知識,反之亦然。

該規範同樣把文檔的每個部分視為由「型別」與「值」組成的節點,為處理文檔的各個面向提供了完美的概念框架。例如 XML 片段 the <i>Italicized</i> portion. 會被表示為一棵 DOM 樹,其中每個 Document、Element、Text 與 Attr 部分都是 DOM Node。

完美抽象的代價

完美的抽象確實付出了代價。考慮 XML 片段 <tagname>Value</tagname>——你可能認為文字值可用普通的 Java String 表示,並透過簡單的 getValue 呼叫取得。實際上,文字被當成 tagname 節點下的一個或多個子節點。因此,為了取得文字值,你需要遍歷其子節點,把每個值拼字串。這樣做有其道理:tagname 可能包含其他嵌入的 XML 元素,此時取得其文字值並沒有多大意義。然而現實中,由於缺乏便利函式,這類操作往往佔了高達八成的編碼錯誤。

設計上的難題

DOM 語言無關性的缺點,是每種語言慣用的工作方法與模式無法直接使用。例如不能用熟悉的 Java new 建構式建立新 Element,必須改用工廠建構式方法;節點集合被表示為 NodeList,而非慣用的 List 或 Iterator。這些微小的不便意味著非典型的編碼實踐、更多的程式碼行數,並迫使工程師去學習 DOM 的行事方式。

DOM 使用「一切都是節點」的抽象,幾乎 XML 文檔的每個部分(Document、Element、Attr 等)都繼承自 Node 介面。這在概念上很完美,也讓每種 DOM 實作能透過標準介面暴露自身的類別而無中間包裝類別的效能損失。然而由於節點類型眾多、存取方法缺乏一致性,這種抽象也喪失了一些意義——例如設定 CharacterData 節點的值用 insertData,而設定 Attr 節點的值卻用 setValue,模型的一致性因此降低,學習曲線則隨之上升。

JDOM

JDOM 是一項讓 DOM API 適應 Java 的研究計畫,旨在提供更自然、易用的介面。它把不同的節點類型(Document、Element、Attribute)定義為不同的 Java 類別,讓工程師能用 new 建構它們、避免頻繁的型別轉換,並以 Java String 表示字串、以 List 與 Iterator 表示節點集合。JDOM 已被接受為正式的 Java Specification Request,未來很可能被納入核心 Java 平台。不過由於它尚未成為核心 API,加上與頻繁建立 Java 物件相關的效能疑慮,一些人對使用它仍心存猶豫。若你對 JDOM 的接受度與可用性感到滿意,也沒有把 Java 程式碼轉移到其他語言的直接需求,它是個值得探索的好選擇。

常見編碼問題

對幾個大型 XML 專案的分析揭示了使用 DOM 時的一些常見問題。最突出的一點是:花費大量程式碼行來做簡單的事。在某個案例中,檢查一個屬性的值用了 16 行程式碼,而同樣的任務在具備更完善健壯性與錯誤處理的情況下,只需 3 行即可實現。

遍歷 DOM 的陷阱

最常見的任務是遍歷或搜尋 DOM。以下濃縮版程式碼演示了如何在文檔的 config 節中尋找名為「header」的節點:

// 從根開始遍歷,取得頂端元素後取其第一個子節點
Element root = doc.getDocumentElement();
Node configNode = root.getFirstChild();
// 逐一檢查 configNode 的子節點,尋找名為 "header" 的節點
// ...

這種方法不僅冗長,還伴隨著脆弱性與潛在錯誤。例如用 getFirstChild() 取得中間節點時,根節點的第一個子節點未必是你要找的節點——當源 XML 的根節點後包含空格或換行時,第一個子節點實際上會是文字節點(TEXT_NODE),而非期望的元素節點,程式碼便會異常終止。此外,若 root 沒有任何子節點,configNode 會被設為 null,後續程式碼也會出錯。要撰寫能處理任意輸入的健壯程式碼,需要非常關注細節、檢查每個方法呼叫是否回傳有效值,程式碼量自然可觀。

取得元素中的文字值

直觀的寫法 sometagElement.getData(); 並不會如我們期望般運作,因為文字實際上被存為一個或多個子節點。而 sometag.getFirstChild().getData(); 也有問題——值可能不在第一個子節點中,或分散在多個子節點裡。由於空格常被表示為文字節點,這樣呼叫可能只讓你得到標記與值之間的換行。正確做法是遍歷所有子節點,核對 TEXT_NODE 型別並拼湊其值。值得慶幸的是,JDOM 已用便利的 getText 函式解決了這個問題,DOM 級別 3 也規劃了 getTextContent 方法。教訓是:盡可能使用較高階的 API 不會有錯。

getElementsByTagName 的陷阱

DOM 級別 2 提供了依名稱尋找子節點的方法,例如 someElement.getElementsByTagName("name") 會回傳所有名為 name 的節點。這比手動遍歷方便,卻也是一組常見錯誤的來源:getElementsByTagName 會遞歸遍歷文檔,回傳所有符合的節點。若你的文檔同時含有客戶、公司與產品資訊,三者都可能有名為 name 的標記,那麼搜尋客戶名稱時,程式很可能連產品與公司名稱也一併抓出,導致行為失常。

DOM 的有效使用

考慮到 DOM 設計強加的限制,如何才能有效且高效地使用它呢?以下幾條基本原則值得遵循:

◆ 不要使用 DOM 遍歷文檔。
◆ 盡可能使用 XPath 來尋找節點或遍歷文檔。
◆ 使用較高階的函式庫來更方便地使用 DOM。

用 XPath 取代遍歷

XPath 是尋址、搜尋與匹配文檔各部分的語言,是 W3C 推薦標準,在大多數語言與 XML 套件中都有實作。它使用類似檔案系統與 URL 的路徑標記法來指定文檔部分。例如 /x/y/z 會搜尋根節點 x 之下存在 y、y 之下存在 z 的所有節點;/x/y[@name='a'] 則匹配所有父節點為 x、且名為 name 的屬性值為 a 的 y 節點。值得注意的是,XPath 會自動處理並篩選空格文字節點,只回傳元素節點。花點時間學習 XPath,你處理 XML 文檔會方便許多。

善用助手函式庫

研究 DOM 專案時令人驚訝的一點,是拷貝貼上程式碼的數量。這是因為 DOM 的複雜性加深了學習難度,讓工程師急於理解能完成需求的第一段程式碼,而無暇抽取可重用的助手函式。以下提供一些能讓你自己的庫運轉起來的基礎助手函式。

findValue:使用 XML 時最常執行的操作,是尋找給定節點的值。透過 XPath 簡化遍歷、並把值擷取一次編碼後重用,即可實現 findValue 函式。它同時接收起始節點與指定搜尋位置的 XPath 語句,找出第一個符合的節點並擷取其文字值。

setValue:另一項常用操作是把節點值設為期望值。該函式接收起始節點、XPath 語句與要設定的字串,找到節點後移除其所有子節點,再將文字內容設為傳入的字串。

appendNode:有些程式會藉由增刪節點來修改文檔本身的結構。這個助手函式接收要掛載新節點的父節點、新節點名稱與指定位置的 XPath 語句,把新節點加到文檔的指定位置。

最終分析

DOM 的語言無關性設計為它帶來了極廣的應用性,使其能在大量系統與平台上實作;代價則是它比為單一語言專門設計的 API 更困難、更不直觀。DOM 奠定了一個非常有效的基礎,只要遵循幾條簡單原則,就能在其上建構易用的系統。凝結了廣大使用者智慧與經驗的 DOM 未來版本正在設計中,極可能為本文探討的問題提供解答;而如 JDOM 這樣的專案正在修改該 API 以獲得更自然的 Java 風格,本文所述的技術也能幫助你讓 XML 的操作更便利、更簡潔、更不易出錯。善用這些專案並遵循這些用法模式,DOM 便能成為 XML 專案的出色平台。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved