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
Java 與 XML(一):JAXP、SAX、DOM 與 XSLT 的基礎地圖
編輯:XML詳解     

Java 平台上處理 XML 的入口是 JAXP(Java API for XML Processing)。它最大的特色是不綁定任何特定解析器——你的程式只對著標準 API 寫,底層要換 Xerces、Crimson 或其他實作,改設定就好。本文把 JAXP 底下幾個關鍵套件與 API 的分工整理成一張 usable 的地圖,作為後續讀寫實作的基礎。

JAXP 的三個角色

JAXP 基本上對應三類工作:SAX 解析、DOM 解析、以及 XSLT 轉換。核心類別大多住在 javax.xml.parsers 中:

javax.xml.parsers
 ├─ DocumentBuilder          建立 DOM 文件樹
 ├─ DocumentBuilderFactory   產生 DocumentBuilder 的工廠
 ├─ SAXParser                SAX 事件式解析器
 └─ SAXParserFactory         產生 SAXParser 的工廠

看到 Factory 這幾個字就知道用的是抽象工廠模式:程式向工廠要一個解析器,工廠依環境設定決定實際給你哪一種實作。

SAX:事件驅動的串流讀取

SAX(Simple API for XML)走的是「邊讀邊通知」的路線。解析器從頭掃到尾,遇到開始標籤、文字、結束標籤就回呼你的 handler,你不必把整份文件放進記憶體。常見實作是 Apache 的 Xerces 或早期的 Crimson。

要接收這些事件,實作以下介面:

org.xml.sax
 ├─ ContentHandler   元素、文字、處理指令等核心事件
 ├─ DTDHandler       DTD 相關事件
 ├─ ErrorHandler     警告與錯誤(正式環境請務必實作)
 ├─ EntityResolver   外部實體(外部 DTD 等)的定位
 ├─ DeclHandler      DTD 中的宣告
 └─ LexicalHandler   CDATA、註解、實體參照等語何事項

其中 ContentHandler 是必備的,另外幾個依需求掛上。SAX 的特性要記清楚:它是唯讀的。解析器只負責把文件裡發生的事告訴你,無法回頭修改,也不保留整棵樹。適合大量資料的一次性掃描、串流處理、或只需要抽取少數欄位的場合。

DOM:把文件變成物件樹

DOM(Document Object Model)把整份 XML 載入記憶體,轉成一棵節點樹,之後你可以隨意從任何節點往上、往下、往左右移動。代價是記憶體佔用量與文件大小成正比。

DOM 有兩個主要標準:DOM Level 1 與 DOM Level 2 Core。所有節點都繼承自最上層的 Node 介面,常見的節點類型如下:

Node              所有節點型別介面的根源
Document          整棵樹的根,代表一份 XML 文件
Element           一個 XML 元素
Text              元素內的文字內容
Attr              元素的屬性
CDATASection      CDATA 區段
NodeList          子節點的集合(注意:不是 java.util.List)
ProcessingInstruction  處理指令,如 <?xml-stylesheet ...?>
Comment           註解節點
DocumentFragment  輕量版的文件容器,常用於搬移節點
DocumentType      DOCTYPE 宣告的內容
Entity            DTD 中定義的實體
EntityReference   文件中的實體參照
Notation          DTD 中的符號宣告

不同於 SAX,DOM 可以讀也可以寫:既能從既有檔案建樹,也能從零開始在記憶體中組出新文件再輸出存檔。需要隨機存取、需要修改、需要多次走訪同一份資料時,DOM 是直覺的選擇。

從 Java 讀 XML 的三種層次

把選擇攤開來看,其實只有三種做法:

  1. 把 XML 當純文字檔自己解析。用字串處理硬挑出標籤。這是不推薦的做法,理由很實際:光是要正確處理不同字元編碼、實體展開、內部與外部實體、預設屬性等特例,難度就遠比想像中高。結果往往是程式遇到一份完全合法的 XML 卻解不出來。而成熟解析器多半免費,沒有理由自己造輪子。
  2. 用 DOM 建樹後走訪。解析器把輸出交給 DOM,你在記憶體中從 root 開始,沿著節點間的引用逐層找到你要的資料。結構清楚、可隨機存取,適合文件不大或需要修改的情境。
  3. 用 SAX 事件通知。解析器每遇到有意義的結構就呼叫你的 handler:找到開始標籤了、找到文字了、找到結束標籤了。這叫事件驅動介面,記憶體效率最好,但程式是「被叫」而非「主動走訪」,邏輯寫起來需要多一分心思。

XSLT 與它的家族

XSL(eXtensible Stylesheet Language)本身就是一份 XML 文件,用來把 XML 轉成另一份 XML,或轉成可被呈現的格式。原始的 XSL 規格後來拆成三部分:

  • XSLT( Transformations):轉換語言,把輸入 XML 依樣板規則輸出成結果樹,是最實用的一塊。
  • XSL-FO(Formatting Objects):格式化物件,描述版面、頁面、字型等呈現細節,常用於產生 PDF。
  • XPath:節點定位語言,提供類似檔案系統路徑的語法來挑選節點,是 XSLT 與多數 XML 查詢工具的基礎。

Java 中對應的套件是 javax.xml.transform,搭配 DOMSource 與 StreamResult 就能把 DOM 樹轉換輸出,這也是下一篇寫入 XML 時會用到的機制。

有趣的是 XSL 的淵源:它與 CSS、以及更早的 DSSSL(Document Style Semantics and Specification Language)都算同門。隨著演進,XSL 的樣式表達能力越來越接近 CSS,而與 DSSSL 的距離越來越遠。

選型建議

情境建議
檔案很大、只掃過一次、只取少數欄位SAX(或 StAX 串流 API)
需要隨機存取、修改、或輸出整份文件DOM
需要格式轉換、輸出 HTML / PDFXSLT + XPath
只是想抓幾個節點DOM + XPath 表達式,比手寫迴圈清楚

下一篇我們把 DOM 的讀與寫各寫一支可運行的程式,把這張地圖落實成程式碼。

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