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 中運用 DOM 與 XPath 高效處理 XML
編輯:XML詳解     

文件物件模型(Document Object Model,DOM)是公認的 W3C 標準,用於以跨平台、跨語言的方式動態存取與更新 XML 文件的內容、結構與樣式。它為表示文件定義了一套標準介面集,也為存取與操作文件定義了標準方法。DOM 獲得了廣泛支持,並以 Java、Perl、C、C++、VB、Tcl、Python 等多種語言實作。

正如本文將示範的,當基於串流的模型(如 SAX)無法滿足 XML 處理需求時,DOM 是極佳的選擇。不幸的是,規範的某些面向——例如其語言無關介面,以及「一切都是節點」的抽象概念——使其不易使用,也容易產生脆弱的程式碼。這在近期幾個大型 DOM 專案的研究中尤其明顯。以下將討論常見問題及其因應之道。

文件物件模型

DOM 規範被設計成可與任何程式語言搭配使用,因此它採用了一套在所有語言中都通用的核心功能部件,並力求介面定義的語言無關性。這讓 Java 開發者在改用 Visual Basic 或 Perl 時能沿用既有的 DOM 知識,反之亦然。

該規範同樣把文件的每個部分視為由型別與值組成的節點,為處理文件的所有面向提供了完善的概念框架。例如下面這段 XML 片段:

<example>the <italic>Italicized</italic> portion.</example>

會被表示為以下的 DOM 結構:

498)this.width=498;" height=232>

樹中每個 Document、Element、Text 與 Attr 部分都是 DOM Node。

完美的抽象確實付出了代價。考慮 XML 片段 <tagname>Value</tagname>。你或許會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 Node。因此,為了取得文字值,你需要遍歷 tagname 的子節點,把每個值拼湊成一個字串。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。然而在實務中,由於缺乏便利函數,這類 frequent 的編碼錯誤往往能占到 80% 之多。

設計上的問題

DOM 語言無關性的缺點,是各語言慣用的一整套工作方法與模式無法被使用。例如,不能用熟悉的 Java new 語法創建新 Element,而必須改用 factory 方法;Node 集合被表示為 NodeList,而非慣用的 List 或 Iterator。這些微小不便意味著非直覺的編碼方式與更多的程式碼行,也迫使開發者去學習 DOM 的行事風格。

DOM 採用「一切都是節點」的抽象,意味著幾乎文件每個部分(如 Document、Element、Attr)都繼承 Node 介面。這不僅概念上完美,還讓不同實作能透過標準介面暴露自身的類別,避免中間包裝類別帶來的效能損失。

然而,由於節點類型繁多、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,設定 Attr 節點的值卻用 setValue。不同節點存在不同介面,降低了模型的一致性,也增加了學習曲線。

JDOM

JDOM 是一項讓 DOM API 適應 Java 的研究計畫,藉此提供更自然、易用的介面。它運用內建的 Java 表示與物件,並為常見任務提供便利函數。例如,JDOM 直接處理「一切都是節點」與 NodeList 等 DOM 特有構造,把 Document、Element、Attribute 定義為不同的 Java 類別,讓開發者能用 new 創建、避免頻繁的型別轉換;字串用 Java String 表示,節點集合則用普通的 List 與 Iterator。

JDOM 已被接受為正式的 Java 規格請求(JSR),未來很可能被納入核心 Java 平台。但由於它還不是核心 API 的一部分,一些人對使用它仍心存猶豫,也有關於 Iterator 與頻繁創建 Java 物件所帶來效能問題的報告。如果你已滿足 JDOM 的可用性需求,且沒有把 Java 程式碼與開發者轉移到其他語言的打算,JDOM 值得一試。本文探討的專案因故仍使用了普遍的 DOM,本文亦如是。

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。

程式碼臃腫

我們檢視的專案普遍存在一個問題:用大量程式碼去做簡單的事。某個範例用了 16 行來檢查一個屬性的值,而同樣的任務在兼顧健壯性與錯誤處理的情況下,只需 3 行即可。DOM API 的低階本質、方法與模式的不當使用,以及對完整 API 缺乏了解,都會導致程式碼膨脹。

遍歷 DOM

最常見的任務是遍歷或搜尋 DOM。以下示範在文件的 config 節裡尋找名為「header」節點的精簡寫法:

// 反例:盲目跟隨第一個子節點
Element root = document.getDocumentElement();
Element configNode = (Element) root.getFirstChild();
Element header = (Element) configNode.getFirstChild();

這種做法不僅冗長,還伴隨脆弱性與潛在錯誤。第二行用 getFirstChild 取得 config 節點,問題重重:根節點的第一個子節點未必是你要找的節點;盲目跟隨第一個子節點,等於忽略了標記的實際名稱。當根節點後帶有空格或換行時,第一個子節點其實是文字節點而非元素節點,程式就會出錯。要正確導航,必須逐一檢查每個子節點,直到找到名稱相符的非文字節點為止。

此外,若 root 沒有子節點,configNode 會被設為 null,後續程式碼就會出錯。要撰寫能處理任意輸入的健壯程式碼,不僅需逐一檢查子節點並核對名稱,每一步還得確認方法呼叫回傳的是有效值——這需要大量的程式碼與對細節的高度關注。

最終,上面範例的所有功能,其實只需一次簡單的 getElementsByTagName 呼叫即可實現。

取得元素中的文字值

若已導航到 sometag 節點,如何取得其文字值?直覺的寫法 sometagElement.getData() 並不會如願,因為文字實際被存為一個或多個子節點。更好的嘗試 sometag.getFirstChild().getData() 也有問題:值可能不在第一個子節點中,或分散在數個子節點裡;由於空格常被表示為文字節點,getFirstChild() 可能只讓你拿到標記與值之間的換行。實際上,你需要遍歷所有子節點,核對文字節點型別,把值拼湊完整。

值得注意,JDOM 已用便利函數 getText 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 提供了依名稱查找子節點的方法:

NodeList names = someElement.getElementsByTagName("name");

它會回傳 someElement 中所有名為 name 的節點。問題在於 getElementsByTagName 會遞迴遍歷,回傳所有匹配節點。假設文件同時含客戶、公司與產品資訊,三者都可能有 name 標記,那麼搜尋客戶名稱時,程式很可能連產品與公司名稱一起取出,導致行為異常。雖然在子樹上呼叫能降低風險,但由於 XML 的靈活性,很難確保子樹結構完全符合預期、且不含同名的假節點。

DOM 的有效使用

考量到 DOM 設計帶來的種種限制,該如何有效且高效地使用它?以下幾條基本原則值得遵循:

  • 不要用 DOM 手動遍歷文件。
  • 盡可能用 XPath 來查找節點或遍歷文件。
  • 使用較高階的函式庫,讓 DOM 操作更方便。

XPath

XPath 是尋址、搜尋與匹配文件各部分的語言,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。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/* 回傳父節點為 x 的 y 底下的任何節點;/x/y[@name='a'] 則匹配屬性 name 值為 a 的所有 y 節點。值得注意的是,XPath 會自動過濾空格文字節點,只回傳元素節點——這正好避開了前述遍歷的痛點。

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。這源於 DOM 的複雜性加深了學習難度,開發者往往急於找到「能跑的第一段程式碼」,而無暇抽出可重用的函式。以下提供一些能讓你自己的函式庫運轉起來的基本 helper:

findValue:使用 XML 時最常做的操作是查找某節點的值。可透過 XPath 簡化遍歷,再把值擷取邏輯一次編碼、到處重用。它借助 Xalan 提供的 XPathAPI.selectSingleNode(查找並回傳第一個匹配節點)與 getTextContents(非遞迴回傳節點中的連續文字值)來實作。

setValue:把節點的值設為指定值。它取得起始節點與一條 XPath 語句,以及要設定的字串,找到目標節點後移除其所有子節點,再把文字內容設為傳入的字串。

appendNode:簡化節點的新增。參數包括要掛載的父節點、新節點名稱,以及指定位置的 XPath 語句,新節點便會被加到文件中的指定位置。

最終分析

DOM 的語言無關設計帶來了極廣的適用性,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量身打造的 API 更難用、更不直觀。DOM 奠定了非常有效的基礎,只要遵循幾條簡單原則,就能在其上構建易用的系統。凝聚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 這樣的專案正修改該 API,使其更具 Java 風味。善用這些專案與用法模式,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