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
打造輕量級 XML DOM 解析器:SimpleDOMParser 實作剖析
編輯:XML詳解     

XML 正快速成為資料儲存與交換的標準格式。市面上功能完整的 Java XML 解析器既龐大又強大,但強大的代價是等量甚至更多的資源消耗。在 Java Applet 或 J2ME 這類受限環境下,頻寬與記憶體的制約,往往讓你根本用不起完整的解析器。本文示範如何打造一個極致的輕量級 DOM 解析器。

SimpleDOMParser 是什麼

SimpleDOMParser 是以 Java 撰寫、高度精簡的超輕量級 XML DOM 解析器,整個 jar 檔可壓到 4KB 以下,原始碼不到 400 行。代價是它並不支援命名空間、多字元集編碼,也不具備 DTD 或 schema 驗證能力;但它能把符合語法規則的 XML 標記解析成一棵類 DOM 的元素樹,讓你完成從 XML 純文字中擷取資料的常見任務。

為何選 DOM 而非 SAX

DOM 提供的介面比 SAX 更友善。與 SAX 每次只能處理一條標記不同,當你把 XML 當成 DOM 樹處理時,整份文件的資訊都能隨時取用。雖然 SAX 在效能與記憶體上更省,但多數開發者用 SAX 時,最後往往還是自己攢出一棵完整的或部分 DOM 樹。SAX 每處理一條標記就得維護全域狀態,而維護全域狀態正是 DOM 的核心精神。只是小型應用其實用不到完整的 DOM,於是 SimpleDOMParser 只保留標記名、階層與內容的存取,捨去 W3C DOM 那些用不上的功能。

簡化 DOM 模型

標準 W3C DOM 有數種節點型別:文字節點、元素節點、屬性節點等,光是簡單的 XML 就可能動用多種節點。SimpleDOMParser 把所有節點抽象成單一型別 SimpleElement,它保存元素標識名、屬性,以及被封裝的文字或 XML,並不再為最上層文件另設節點型別。於是整棵樹只剩 SimpleElement,大幅簡化。

public class SimpleElement {
    private String tagName;
    private String text;
    private HashMap attributes;
    private LinkedList childElements;

    public SimpleElement(String tagName) {
        this.tagName = tagName;
        attributes = new HashMap();
        childElements = new LinkedList();
    }

    public String getTagName() { return tagName; }
    public void setTagName(String tagName) { this.tagName = tagName; }

    public String getText() { return text; }
    public void setText(String text) { this.text = text; }

    public String getAttribute(String name) { return (String) attributes.get(name); }
    public void setAttribute(String name, String value) { attributes.put(name, value); }

    public void addChildElement(SimpleElement element) { childElements.add(element); }
    public Object[] getChildElements() { return childElements.toArray(); }
}

定義解析的基本元素

要把 XML 處理成前述的簡化樹狀模型,得先定義幾條基本規則。第一個是 peek,它回傳輸入流中的下一個字元,卻不真正從底層流中取走,藉此保持輸入流完整,讓 readTag、readText 等高階函式能依「接下來期待的字元」精準取內容。

private int peek() throws IOException {
    reader.mark(1);
    int result = reader.read();
    reader.reset();
    return result;
}

接著是 skipWhitespace,負責跳過輸入流中的空白、定位字元與換行:

private void skipWhitespace() throws IOException {
    while (Character.isWhitespace((char) peek())) {
        reader.read();
    }
}

有了這兩個方法,就能寫出從輸入檔取出標記的 readTag:

private String readTag() throws IOException {
    skipWhitespace();
    StringBuffer sb = new StringBuffer();
    int next = peek();
    if (next != '<') {
        throw new IOException("Expected < but got " + (char) next);
    }
    sb.append((char) reader.read());
    while (peek() != '>') {
        sb.append((char) reader.read());
    }
    sb.append((char) reader.read());
    return sb.toString();
}

搭配 peek,readTag 只取單一標記的內容,把其餘交給別的函式。最後是讀取標記之間文字的 readText,它還得判斷內容是否被裝進 CDATA 區塊:

private String readText() throws IOException {
    int[] cdata_start = {'<', '!', '[', 'C', 'D', 'A', 'T', 'A', '['};
    int[] cdata_end = {']', ']', '>'};
    StringBuffer sb = new StringBuffer();
    int[] next = new int[cdata_start.length];
    peek(next);
    if (compareIntArrays(next, cdata_start) == true) {
        // CDATA 區塊
        reader.skip(next.length);
        int[] buffer = new int[cdata_end.length];
        while (true) {
            peek(buffer);
            if (compareIntArrays(buffer, cdata_end) == true) {
                reader.skip(buffer.length);
                break;
            } else {
                sb.append((char) reader.read());
            }
        }
    } else {
        while (peek() != '<') {
            sb.append((char) reader.read());
        }
    }
    return sb.toString();
}

這裡的 peek 是前述方法的變體,能一次回傳一段字元序列,用來判斷文字是否被 CDATA 包住;而 compareIntArrays 則負責比對兩個整數陣列是否相同。就靠這幾個小積木,一個不到 400 行、4KB 出頭的 XML 解析器便成形了。

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