Java操作xml
2007-12-11 23:07:06| 分类： Java |举报 |字号 订阅
Java的API中提供了许多能有效地操作xml的类。这些类遵循了通用的国际标准。若干标准中使用最多是DOM，即Document Object Model，文档对象模型。它的基本思路是，把xml文件对应到内存中的一个xml树。通过对父、子、兄弟等的关系的访问可很方便地在各个结点间游走。如 使用xpath，则能提供更强大的查询能力。
有必要介绍几个常用类所表达的概念。
Node：最抽象的接口。表示一个结点。它的含义很广泛。整个xml树是一个结点，一个完整的标签也是结点，一个属性也是结点，一段文本也是结点，一个注释也是结点，一个预处理指令也是结点等。节点可以包含：名字、值、属性等。但并非每种特殊的结点都有这些性质。
Document：接口。继承了Node。表示整个xml文档树。它有几个子结点？1个。这是xml定义所约定的。Document结点并不是xml的根 结点，它比根结点还高一层。它的结点名字是 "#document"，这个在xml文件中看不到，是为了分析方便这样规定的。
Element：接口。继承了Node。表示一个标签元素。它可能有属性集合。它可能有许多子结点。它的名字就是标签的名字。但它没有"值"特性。需要特别注意 --！！
Attr：接口。继承了Node。表示一项属性。它的名字就是等号左边的串，值就是等号右边被引号引用的串。
需要注意的概念细节：
如有xml是这样的：<A>aaa<B></B></A>
此时，<A>结点包含几个子结点呢？2个！其中“长子”是文本，“次子”是元素<B>。
如有xml是这样的：
<A>
</A>
<A>结点包含几个子结点呢？1个！是个文本结点，其值是“回车符”。
如xml是这样的：
<作者>张三丰</作者>
假设 Element p = ... 已经指向了<作者>这个结点，如何取得“张三丰”这个串呢？
许多人以为是：p.getNodeValue()。这是典型的概念错误！正确是：p.getFirstChild().getNodeValue()。
千万要记住：<作者>这个Node是个Element，它没有value这个特性！而它唯一的子结点是个Text，它有value特性。
还有些类似的概念问题不再赘述，写一个可运行的Java例程或者更好。
准备一个xml文件，如下，命名为：test.xml：
<?xml version="1.0" encoding="gb2312" ?>
<RRR>
<AAA> </AAA>
<BBB></BBB>
<CCC/>
<DDD>
</DDD>
</RRR>
Java程序如下：
import java.io.*;
import org.w3c.dom.*;
import javax.xml.parsers.*;
public class DomTest
{
public static void main(String[] args) throws Exception
{
// 1. 从文件中读入数据，形成Document对象
Document dom = DocumentBuilderFactory.newInstance().newDocumentBuilder().parse(new File("test.xml"));
System.out.println("Document 有几个孩子？ " + dom.getChildNodes().getLength());
System.out.println("根节点是：" + dom.getFirstChild().getNodeName());
// 2. 看根节点的多少孩子
Element root = dom.getDocumentElement();
System.out.println("根节点是：" + root.getNodeName());
System.out.println("<RRR>的子节点数目：" + root.getChildNodes().getLength());
//3. 看<AAA>所含文本
NodeList a = root.getElementsByTagName("AAA");
String s = a.item(0).getFirstChild().getNodeValue();
System.out.println("<AAA>包含的文本是：[" + s + "]");
//3. 看<BBB>所含文本
a = root.getElementsByTagName("BBB");
Node t = a.item(0).getFirstChild();
if(t==null) System.out.println("<BBB>包含的文本是空对象");
//4. 看<CCC>所含文本
a = root.getElementsByTagName("CCC");
t = a.item(0).getFirstChild();
if(t==null) System.out.println("<CCC>包含的文本是空对象");
//5. 看<DDD>所含文本
a = root.getElementsByTagName("DDD");
s = a.item(0).getFirstChild().getNodeValue();
System.out.println("<DDD>包含的文本是：[" + s + "]");
}
}
public interface NodeList 接口
NodeList 接口提供对节点的有序集合的抽象，没有定义或约束如何实现此集合。DOM 中的 NodeList 对象是活动的。
NodeList 中的项可以通过从 0 开始的整数索引进行访问。
| 方法摘要（只有两个） | |
|---|---|
int | getLength() 列表中的节点数。 |
Node | item(int index) 返回集合中的第 index 个项。 |
public interface Node
该 Node 接口是整个文档对象模型的主要数据类型。它表示该文档树中的单个节点。当实现 Node 接口的所有对象公开处理子节点的方法时，不是实现 Node 接口的所有对象都有子节点。例如，Text 节点可能没有子节点，且将子节点添加到这样的节点将导致引发 DOMException。
包括属性 nodeName、nodeValue 和 attributes 作为一种获取节点信息的机制，无需向下强制转换为特定的派生接口。在没有对特定的 nodeType（如 Element 的 nodeValue 或 Comment 的 attributes）的属性的明显映射的情况下，这将返回 null。注意，特定的接口可能包含其他更方便的机制来获取和设置相关信息。
nodeName、nodeValue 和 attributes 的值将根据以下节点类型的不同而不同。
| Interface | nodeName | nodeValue | attributes |
|---|---|---|---|
Attr | 与 Attr.name 相同 | 与 Attr.value 相同 | null |
CDATASection | "#cdata-section" | 与 CharacterData.data 相同，CDATA 节的内容 | null |
Comment | "#comment" | 与 CharacterData.data 相同，该注释的内容 | null |
Document | "#document" | null | null |
DocumentFragment | "#document-fragment" | null | null |
DocumentType | 与 DocumentType.name 相同 | null | null |
Element | 与 Element.tagName 相同 | null | NamedNodeMap |
Entity | entity name | null | null |
EntityReference | 引用的实体名称 | null | null |
Notation | notation name | null | null |
ProcessingInstruction | 与 ProcessingInstruction.target 相同 | 与 ProcessingInstruction.data 相同 | null |
Text | "#text" | 与 CharacterData.data 相同，该文本节点的内容 | null |
| 字段摘要 | |
|---|---|
static short | ATTRIBUTE_NODE 该节点为 Attr。 |
static short | DOCUMENT_NODE 该节点为 Document。 |
static short | ELEMENT_NODE 该节点为 Element。 |
static short | TEXT_NODE 该节点为 Text 节点。 |
| 方法摘要 | |
|---|---|
Node | appendChild(Node newChild) 将节点 newChild 添加到此节点的子节点列表的末尾。 |
Node | cloneNode(boolean deep) 返回此节点的副本，即允当节点的一般复制构造方法。 |
Node | getFirstChild() 此节点的第一个子节点。 |
Node | getLastChild() 此节点的最后一个子节点。 |
String | getNodeName() 此节点的名称，取决于其类型；参见上表。 |
short | getNodeType() 表示基础对象的类型的节点，如上所述。 |
String | getNodeValue() 此节点的值，取决于其类型；参见上表。 |
Document | getOwnerDocument() 与此节点相关的 Document 对象。 |
Node | getParentNode() 此节点的父节点。 |
void | setTextContent(String textContent) 此属性返回此节点及其后代？的文本内容。 |
String | getTextContent() 此属性返回此节点及其后代？的文本内容。 |
public interface Elementextends Node
Element 接口表示 HTML 或 XML 文档中的一个元素。元素可能有与它们相关的属性；由于 Element 接口继承自 Node，所以可以使用一般 Node 接口属性 attributes 来获得元素所有属性的集合。Element 接口上有通过名称获得 Attr 对象或通过名称获得属性值的方法。在 XML 中（其中的属性值可能包含实体引用），应该获得 Attr 对象来检查表示属性值的可能相当复杂的子树。另一方面，在 HTML 中（其中的所有属性都有简单的字符串值），可以使用直接访问属性值的方法，这既安全又便捷。
| 方法摘要 | |
|---|---|
String | getAttribute(String name) 通过名称获得属性值。 |
Attr | getAttributeNode(String name) 通过名称获得属性节点。 |
NodeList | getElementsByTagName(String name) 以文档顺序返回具有给定标记名称的所有后代 Elements 的 NodeList。 |
NodeList | getElementsByTagNameNS(String namespaceURI, String localName) 以文档顺序返回具有给定本地名称和名称空间 URI 的所有后代 Elements 的 NodeList。 |
TypeInfo | getSchemaTypeInfo() 与此元素相关的类型信息。 |
String | getTagName() 元素的名称。 |
boolean | hasAttribute(String name) 当具有给定名称的属性在此元素上被指定一个值或具有默认值时，返回 true；否则返回 false。 |
void | setAttributeNS(String namespaceURI, String qualifiedName, String value) 添加新属性。 |
void | setAttribute(String name, String value) 添加一个新属性。 |
| 从接口 org.w3c.dom.Node 继承的方法 |
|---|
appendChild, cloneNode, compareDocumentPosition, getAttributes, getBaseURI, getChildNodes, getFeature, getFirstChild, getLastChild, getLocalName, getNamespaceURI, getNextSibling, getNodeName, getNodeType, getNodeValue, getOwnerDocument, getParentNode, getPrefix, getPreviousSibling, getTextContent, getUserData, hasAttributes, hasChildNodes, insertBefore, isDefaultNamespace, isEqualNode, isSameNode, isSupported, lookupNamespaceURI, lookupPrefix, normalize, removeChild, replaceChild, setNodeValue, setPrefix, setTextContent, setUserData |