【0】README

0.1） 本文文字描述轉(zhuǎn)自 core java volume 2 ， 旨在理解 XML——流機(jī)制解析器 的基礎(chǔ)知識(shí) ；
0.2） for detailed StAX, please visit http://blog.csdn.net/pacosonswjtu/article/details/50569728

---

【1】XML——流機(jī)制解析器概述

1）problem+solution

• 1.1）problem： 如果文檔很大，并且處理算法簡單，可以在運(yùn)行時(shí)解析節(jié)點(diǎn)， 而不必看到完整的樹型結(jié)構(gòu)， 那么DOM 解析器的執(zhí)行效率就低下 了；
• 1.2）solution： 在這種case 下， 我們應(yīng)該使用流機(jī)制解析器；（干貨——引入流機(jī)制解析器的原因）

2）java 提供的流機(jī)制解析器： SAX解析器和添加到Java 6 中的更現(xiàn)代化的 StAX 解析器。 SAX解析器使用的是事件回調(diào)， 而StAX解析器提供了解析事件的迭代器；（干貨——java提供了SAX流機(jī)制解析器+StAX 解析器）

---

【2】使用SAX解析器 （干貨——DOM解析器是基于SAX解析器的）

1）SAX解析器在解析XML 輸入的組成部分時(shí)會(huì)報(bào)告事件， 但不會(huì)以任何方式存儲(chǔ)文檔，而是由事件處理器建立相應(yīng)的數(shù)據(jù)結(jié)構(gòu)； （干貨——SAX解析器在解析XML 輸入的組成部分時(shí)會(huì)報(bào)告事件，即SAX解析器是基于事件的）
2）在使用SAX 解析器時(shí)，需要一個(gè)處理器來為不同的解析器事件定義事件動(dòng)作，ContentHandler接口定義了若干個(gè)在解析文檔時(shí)解析器會(huì)調(diào)用的回調(diào)方法。 下面是最重要的幾個(gè)：

• 2.1）startElement 和 endElement： 在每當(dāng)遇到起始或終止標(biāo)簽時(shí)調(diào)用；
• 2.2）characters ：在每當(dāng)遇到字符數(shù)據(jù)事件調(diào)用；
• 2.3）startDocument 和 endDocument：分別在文檔開始和結(jié)束時(shí)各調(diào)用一次；

３）看個(gè)荔枝：解析以下片段時(shí)，

<font><name>a</name><size units="pt">36</size> </font>

• 3.1）解析器會(huì)產(chǎn)生以下調(diào)用：

  • step1）startElement， 元素名： font
  • step2）startElement， 元素名： name
  • step3）characters， 內(nèi)容： a
  • step4）endElement， 元素名： name
  • step5）startElement， 元素名：size，屬性：units=“pt”
  • step6）characters， 內(nèi)容： 36
  • step7）endElement， 元素名： size
  • step8）endElement， 元素名： font

• 3.2）處理器必須覆蓋以上方法， 讓它們執(zhí)行在解析文件時(shí)想要執(zhí)行的動(dòng)作；

Attention）

• A1） HTML不是合法的XML， 大多數(shù) HTML 頁面都與良構(gòu)的XML差別很大， 以至于示例程序無法解析它們；
• A2）但是，W3C 編寫的大部分頁面都是用 XHTML編寫的， XHTML 是一種 HTML方言，又是良構(gòu)的XML； （干貨——HTML不是合法的XML，而 XHTML 是一種 HTML方言，又是良構(gòu)的XML）

4）代碼分析：

• 4.1）下面是如何得到SAX 解析器的代碼： （干貨——如何創(chuàng)建SAX解析器）

SAXParserFactory factory = SAXParserFactory.newInstance(); SAXParser saxParser = factory.newSAXParser();

• 4.2）現(xiàn)在可以處理文檔了：

InputStream in = new URL(url).openStream();saxParser.parse(in, handler);

• 4.3）這里的source 可以是一個(gè)文件， 一個(gè)URL 字符串或者是一個(gè)輸入流。Handler 屬于 DefaultHandler 的一個(gè)子類， DefaultHandler 類為以下四個(gè)接口定義了空的方法：

DefaultHandler handler = new DefaultHandler(){public void startElement(String namespaceURI, String lname, String qname,Attributes attrs){if (lname.equals("a") && attrs != null){for (int i = 0; i < attrs.getLength(); i++){String aname = attrs.getLocalName(i);if (aname.equals("href")) System.out.println(attrs.getValue(i));}}}};

• 4.4）startElement 方法有3個(gè)描述元素名的參數(shù)： 其中 qname 參數(shù)以 prefix：localname的形式報(bào)告限定名； 如果命名空間處理特性已經(jīng)打開， 那么 namespaceURI 和 lname 參數(shù)描述的就是 命名空間和 本地名（非限定）。
• 4.5）與DOM解析器一樣， 命名空間處理特性默認(rèn)是關(guān)閉 的， 可以調(diào)用工廠類的 setNamespaceAware 方法來激活命名空間處理特性：

SAXParserFactory factory = SAXParserFactory.newInstance();factory.setNamespaceAware(true);SAXParser saxParser = factory.newSAXParser();

• 4.6）我們還處理了另外一個(gè)常見的問題： （干貨——如果你不需要驗(yàn)證文件， 只需調(diào)用factory.setFeature方法）
  
  • XHTML 文件總是以一個(gè)包含對(duì) DTD 引用的標(biāo)簽開頭， 解析器將加載這個(gè) DTD。 可以理解的是， W3C 肯定不樂意對(duì)諸如www.w3.org/TR/xhtml/DTD/xhtml-strict.dtd 這樣的文件提供千萬億次的下載。總有一天，他們會(huì)完全拒絕提供這些文件， 至今，它們還在并不情愿地提供DTD下載。如果你不需要驗(yàn)證文件， 只需調(diào)用： factory.setFeature(“http://apache.org/xml/features/nonvalidating/load-external-dtd“, false);

總結(jié)

以上是生活随笔為你收集整理的XML——流机制解析器的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。