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 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(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(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。
把選擇攤開來看,其實只有三種做法:
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:
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。
| 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 / PDF | XSLT + 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。