Android学习笔记41-XML文件解析（SAX方式）

XML称为可扩展标记语言（Extensible Markup Language），由标准通用标记语言（SGML:Standard Generalized Markup Language）发展而来，允许开发者自定义标签，可以实现标签和内容的有效分离。

　　与HTML不同，XML不再侧重于数据如何表现，而是更多的关注数据如何存储和传输。因此，XML逐渐演变成为一种跨平台的数据交换格式。通过使用XML，开发者可以在不同平台、不同系统之间进行数据交换。除此之外，还可以使用XML作为配置文件，将应用程序状态保存到XML文件中，而无须使用关系型数据库。

 

1.XML数据结构

　　XML提供统一的方法来描述独立于应用程序或供应商的结构化数据。编写XML文档至少应该满足以下四个要求：

　　（1）整个XML文档有且只有一个根元素。

　　（2）每个元素都由开始标签和结束标签组成。

　　（3）元素与元素之间应该合理嵌套。

　　（4）元素的属性必须有属性值，而且属性值应该用引号引起来。

　　如下的XML文档按照上述的四点要求，定义了一份人员名单（person.xml）：

 1 　　<?xml version="1.0" encoding="UTF-8"?>
 2 　　<persons>
 3 　　    <person id="1">
 4 　　        <name>Jack</name>
 5 　　        <age>24</age>
 6 　　    </person>
 7 　　    <person id="2">
 8 　　        <name>Tom</name>
 9 　　        <age>25</age>
10 　　    </person>
11 　　    <person id="3">
12 　　        <name>Bob</name>
13 　　        <age>22</age>
14 　　    </person>
15 　　</persons>

　　可以看出，该XML文档的根元素为<persons>，其中包含了3个元素<person>。在每个元素<person>中都包含一个元素属性值id和两个内嵌元素<name>和<age>。

　　当XML文档遵循上面的四个基本规范时，便可以准确的将其转换为树状结构，如图1所示，所以XML是一种树形结构的文档。

图1 XML文档对应的树状结构

2.JAXP

　　当XML文档作为数据交换工具时，应用程序必须采用合适的方式来获取XML文档里包含的有用信息，这就需要通过程序来解析XML文档。

　　为了利用XML文档的结构化特性进行解析，目前有两套比较流行的规范：

　　（1）DOM（Document Object Model）：文档对象模型，是W3C推荐的处理XML文档的规范。

　　（2）SAX（Simple API for XML）：不是W3C推荐的标准，但却是整个XML行业的事实规范。

2.1 DOM和SAX的区别

　　DOM为解析XML文档定义了一组标准接口，DOM解析器负责读入整个文档，然后将该文档转换成常驻内存的树状结构（也称为DOM树），然后程序代码就可以使用节点与节点之间的父子关系来访问DOM树，并获得每个节点所包含的数据。

　　SAX采用事件驱动机制来解析XML文档，每当SAX解析器发现文档开始、元素开始、文本、元素结束、文档结束等事件时，就会向外发送一次事件，而开发者则可以通过编写事件监听器处理这些事件，以此来获取XML文档里的信息。

　　DOM标准简单易用，但是它需要一次性地读取整个XML文档，而且在程序运行期间，整个DOM树常驻内存，导致系统开销过大。SAX解析方式占用内存小，处理速度更快。

　　由于DOM一次性将整个XML文档全部读入内存，因此可以随机访问XML文档的每个元素。SAX采用顺序模式来依次读取XML文档，因此无法做到随机访问XML文档的任意元素。

2.2 JAXP接口

　　JAXP的全称是Java API for XML。JAXP支持DOM、SAX以及XSLT等XML标准，但其本身没有提供任何的XML解析支持，其底层必须依赖于各种具体的XML解析器。通过在各种XML解析器之上再增加一层“工程模式”的抽象，JAXP不与任何具体的XML解析器耦合，因而使得应用程序可以在各种XML解析器之间轻松切换而无须修改源代码。

　　因此，JAXP是建立在DOM和SAX之上的一个抽象层，它既没有提供解析XML的新方法，也没有对DOM和SAX进行任何扩展，仅仅只是提供了一种工厂模式，允许应用程序在不同的XML解析器之间切换。

　　通过JAXP，开发者可以直接面向JAXP的接口和工厂类编程，至于具体选择使用哪一种XML解析器则由JAXP来决定。

　　JAXP本身就是JDK的一部分，由以下3个包组成。

　　（1）java.xml包及其子包：主要用来获取解析器的实例。

　　（2）org.xml.sax包及其子包：提供使用SAX方式解析时所需的接口或类。

　　（3）org.w3c.dom包及其子包：提供使用DOM方式解析时所需的接口或类。

　　其中，java.xml.parsers包中提供了如下4个与DOM和SAX解析相关的类。

　　（1）DocumentBuilderFactory：DOM解析器的工厂类，用于获取DOM解析器实例，它是JAXP工程模式里的工厂。

　　（2）DocumentBuilder：DOM解析器的标准接口，所有的DOM解析器都应该实现该接口。

　　（3）SAXParserFactory：SAX解析器的工厂类，用于获取SAX解析器实例，它是JAXP工程模式里的工厂。

　　（4）SAXParser：SAX解析器的标准接口，所有的SAX解析器都应该实现该接口。

3.JAXP的SAX支持

　　使用SAX解析器对XML文档进行解析时，会触发一系列事件，这些事件将被相应的事件监听器监听，从而触发相应的事件处理方法，应用程序通过这些事件处理方法实现对XML文档的访问。

3.1 SAX解析器

　　JAXP为SAX解析器提供了以下的2组API。

　　（1）XMLReader和XMLReaderFactory：XMLReaderFactory工程类的creatXMLReader()静态方法用于创建XMLReader。

　　（2）SAXParser和SAXParserFactory：SAXParserFactory工厂类的newSAXParser()实例方法用于创建SAXParser。

　　以上两组API中的XMLReader和SAXParser都是SAX解析器，它们都定义了多个parser()方法，用于以SAX方式解析XML文档。

　　其中，XMLReader提供了如下2个用于解析XML文档的parser()方法。

　　（1）void parse(InputSource input);　　   //解析InputSource输入源中的XML文档

　　（2）void parse(String systemId);　　　　//解析系统URI指定的XML文档

　　SAXParser则提供了如下4个用于解析XML文档的parser()方法。

　　（1）void parse(File f, DefaultHandler dh);　　　　　　　　   //解析f文件所代表的XML文档

　　（2）void parse(InputSource is, DefaultHandler dh);　　　　//解析InputSource输入源中的XML文档

　　（3）void parse(InputStream is, DefaultHandler dh);　　     //解析InputStream输入源中的XML文档

　　（4）void parse(String uri, DefaultHandler dh);　　　　　　 //解析系统URI指定的XML文档

　　可以看出，在SAXParser的parser()方法中，第二个参数是一个DefaultHandler对象，该对象就是用于监听SAX解析事件的监听器。

3.2 SAX监听器

　　SAX的监听器有以下4个。

　　（1）ContentHandler：监听XML文档内容处理事件的监听器

　　（2）DTDHandler：监听DTD处理事件的监听器

　　（3）EntityResolver：监听实体处理事件的监听器

　　（4）ErrorHandler：监听解析错误的监听器

　　如果使用XMLReader来解析XML文档，开发者需要分别为上述4个监听器提供实现类，然后再调用XMLReader中的setContentHandler()、setDTDHandler()、setEntityResolver()和setErrorHandler()方法注册监听器，这将会非常麻烦。

　　因此，JAXP提供了DefaultHandler类来解决这个问题。DefaultHandler类实现了ContentHandler、DTDHandler、EntityResolver和ErrorHandler接口，并为这些接口中所包含的方法提供了空实现。因此，开发者只需要编写一个继承自DefaultHandler的类，并重写自己所关心的监听方法，而无须为每个方法都提供实现。

3.3使用SAX解析XML文档的一般步骤

　　使用SAXParser解析器解析XML文档的一般步骤如下。

　　（1）通过SAXParserFactory的newInstance()方法创建SAXParserFactory对象（SAX解析器工厂）。

　　（2）通过SAXParserFactory对象的newSAXParser()方法创建SAXParser对象（SAX解析器）。

　　（3）通过SAXParser对象的parser()方法解析XML文档，该方法的第二个参数需要传入一个DefaultHandler对象。

　　要实现上述的3个步骤也很容易，如下的代码演示了这一过程：

 1 　　public class SaxService {
 2 　　
 3 　　    /*
 4 　　     * Function  :    使用SAXParser解析器解析XML文档
 5 　　     * Param     :    inputStream(XML文档输入流)
 6 　　     * Retuen    :    XML文档中的数据列表
 7 　　     * Author    :    博客园-依旧淡然
 8 　　     */
 9 　　    public static List<Person> readXML(InputStream inputStream) throws Exception {
10 　　        SAXParserFactory spf = SAXParserFactory.newInstance();        //创建SAXParserFactory对象(SAX解析器工厂)
11 　　        SAXParser saxParser = spf.newSAXParser();    　　　　　　　　　　//创建SAXParser对象(SAX解析器)
12 　　        MyDefaultHandle myDefaultHandle = new MyDefaultHandle();    　//MyDefaultHandle对象，继承自DefaultHandle类
13 　　        saxParser.parse(inputStream, myDefaultHandle);        　　　　 //解析XML文档(以InputStream对象的形式)
14 　　        inputStream.close();                    　　//关闭InputStream对象
15 　　        return myDefaultHandle.getPersonList();    //返回XML文档中的数据列表
16 　　    }
17 　　    
18 　　}

　　可以看到，在readXML()方法中，我们以InputStream对象的形式读取XML文档，创建并使用SAXParser解析器对该XML文档进行解析，最终返回解析得到的数据列表。这里解析的XML文档正是我们前面提到的那份人员名单（person.xml）。根据该XML文档，我们可以抽象出一个Person类，该类具有id、name、age三项成员变量。包含Person对象的列表正是我们解析该XML文档后所需要得到的内容。

　　此外，在这段代码中，我们还创建了一个MyDefaultHandle对象，MyDefaultHandle继承自DefaultHandle类，并实现了解析XML文档所必须的几个方法。

3.4 MyDefaultHandle类的实现

　　ContentHandler监听器用于监听XML文档内容处理事件，在ContentHandler接口中提供了以下几个方法。

　　（1）void startDocument();

　　（2）void endDocument();

　　（3）void characters(char[] ch, int start, int length);

　　（4）void startElement(String uri, String localName, String qName, Attributes atts);

　　（5）void endElement(String uri, String localName, String qName);

　　（6）void startPrefixMapping(String prefix, String uri);

　　（7）void endPrefixMapping(String prefix);

　　（8）void ignorableWhitespace(char[] ch, int start, int length);

　　（9）void processingInstruction(String target, String data);

　　（10）void skippedEntity(String name);

　　其中，当SAX解析器开始处理文档时会触发startDocument()方法；当SAX解析器处理文档结束时会触发endDocument()方法；当SAX解析器处理字符数据时会触发characters()方法；当SAX解析器开始处理元素时会触发startElement()方法；当SAX解析器处理元素结束时会触发endElement()方法；当SAX解析器开始处理元素里的命名空间属性时会触发startPrefixMapping()方法；当SAX解析器处理元素里的命名空间属性结束时会触发endPrefixMapping()方法；当SAX解析器处理元素内容中可忽略的空白时会触发ignorableWhitespace()方法；当SAX解析器处理指令时会触发processingInstruction()方法；当SAX解析器跳过实体时会触发skippedEntity()方法。

　　根据所要解析的XML文档的内容，我们可以有选择的在MyDefaultHandle类中实现ContentHandler、DTDHandler、EntityResolver和ErrorHandler接口提供的方法。这里，根据需要我只是简单的实现了ContentHandler接口中提供的startDocument()、endDocument()、characters()、startElement()和endElement()方法。具体实现代码如下：

 1 　　public class MyDefaultHandle extends DefaultHandler {
 2 　　
 3 　　    private Person person = null;                //存储解析得到的单个Person对象
 4 　　    private List<Person> personList = null;      //存储解析得到的所有Person对象
 5 　　    private String currentTag = null;            //正在解析的元素的标签
 6 　　    
 7 　　    private static final String TAG = "MyDefaultHandle";        //Log标签
 8 　　
 9 　　    /*
10 　　     * Function  :    获取解析得到的所有Person对象
11 　　     * Author    :    博客园-依旧淡然
12 　　     */
13 　　    public List<Person> getPersonList() {
14 　　        return personList;
15 　　    }
16 　　
17 　　    /*
18 　　     * Function  :    开始处理文档时触发该方法
19 　　     * Author    :    博客园-依旧淡然
20 　　     */
21 　　    public void startDocument() throws SAXException {
22 　　        personList = new ArrayList<Person>();
23 　　        Log.i(TAG, "文档解析开始");
24 　　    }
25 　　    
26 　　    /*
27 　　     * Function  :    开始处理元素时触发该方法
28 　　     * Param     :    uri          命名空间
29 　　     *                localName    不带命名空间前缀的标签名
30 　　     *                qName        带命名空间前缀的标签名
31 　　     *                attributes   属性集合
32 　　     * Author    :    博客园-依旧淡然
33 　　     */
34 　　    public void startElement(String uri, String localName, String qName,
35 　　            Attributes attributes) throws SAXException {
36 　　        if(localName.equals("person")) {                //当遇到<person>标签时，创建一个Person对象
37 　　            person = new Person();        
38 　　            person.setId(Integer.parseInt(attributes.getValue("id")));　　　　//将读到的id属性值存入Person对象
39 　　        }
40 　　        currentTag = localName;                        //设置当前读到的标签
41 　　        Log.i(TAG, "正在解析-->" + localName);
42 　　    }
43 　　    
44 　　    /*
45 　　     * Function  :    处理字符数据时触发该方法
46 　　     * Param     :    ch[]      字符数据内容
47 　　     *                start     字符数据起始位置
48 　　     *                length    字符数据长度
49 　　     * Author    :    博客园-依旧淡然
50 　　     */
51 　　    public void characters(char[] ch, int start, int length)    throws SAXException {
52 　　        if((currentTag != null) && (person != null)) {
53 　　            String currentValues = new String(ch, start, length);        //获取当前标签里的内容
54 　　            if(currentTag.equals("name")) {    　　//将读到的name属性值存入Person对象
55 　　                person.setName(currentValues);
56 　　            }
57 　　            if(currentTag.equals("age")) {        //将读到的age属性值存入Person对象
58 　　                person.setAge(Integer.parseInt(currentValues));
59 　　            }
60 　　        }
61 　　        currentTag = null;
62 　　        Log.i(TAG, "解析内容-->"+new String(ch, start, length));
63 　　    }
64 　　
65 　　    /*
66 　　     * Function  :    处理元素结束时触发该方法
67 　　     * Author    :    博客园-依旧淡然
68 　　     */
69 　　    public void endElement(String uri, String localName, String qName) throws SAXException {
70 　　　　　　　//当读到</person>标签时，向列表中添加读取到的单个Person对象
71 　　        if(localName.equals("person") && (person != null)) {        
72 　　            personList.add(person);
73 　　            person = null;
74 　　        }
75 　　        currentTag = null;
76 　　        Log.i(TAG, "解析完毕-->" + localName);
77 　　    }
78 　　
79 　　    /*
80 　　     * Function  :    处理文档结束时触发该方法
81 　　     * Author    :    博客园-依旧淡然
82 　　     */
83 　　    public void endDocument() throws SAXException {
84 　　        Log.i(TAG, "文档解析完毕");
85 　　    }
86 　　
87 　　}

　　至此，我们便完成了MyDefaultHandle类的编写，并在MyDefaultHandle类中重写了startDocument()、endDocument()、characters()、startElement()和endElement()方法。

4.单体测试

　　当然了，最后我们还需要对以上的代码进行单体测试，以确保person.xml文件被正确解析，如图2所示。

图2 单体测试结果