Java开发网 - Java6.0新特性之StAX--全面解析Java XML分析技术

Java开发网

您没有登录

» Java开发网 » Java SE 综合讨论区 » 编程/算法/API

打印话题 寄给朋友 订阅主题

作者

Java6.0新特性之StAX--全面解析Java XML分析技术

臧圩人

发贴: 63
积分: 15

于 2010-04-20 10:26

原帖地址：http://zangweiren.javaeye.com/blog/647334

作者：臧圩人（zangweiren）
网址：http://zangweiren.javaeye.com

>>>转载请注明出处！<<<

野马（Mustang，Java 6.0代号）相比老虎（Tiger，Java 5.0代号）来说，从性能的提升、脚本语言（Javascript、JRuby、Groovy）的支持、对java.io.File的扩展到桌面应用的增强等各个方面，本领着实大了不少。而其中对XML的支持将会被大家在开发中频繁地使用到。

Java 6.0对XML支持的新特性有许多方面。比如StAX、针对XML-Web服务的Java架构（JAX-WS）2.0、针对XML绑定的API（JAXB）2.0、XML数字签名API，甚至还支持SQL:2003 'XML'数据类型。在这一篇文章中我们将要介绍的是StAX技术，因为它在我们的开发中将被使用地更加频繁。

StAX是Streaming API for XML的缩写，是一种针对XML的流式拉分析API。关于对XML进行分析（或解析）的技术，大家一定都不陌生了。在Java 6.0之前，就已经有四种：
DOM：Document Object Model
SAX：Simple API for XML
JDOM：Java-based Document Object Model
DOM4J：Document Object Model for Java
关于它们的解析原理，以及性能和优缺点，我会在本文的结尾做一个简要的介绍。这篇文章中，我们主要说说StAX这种新的解析方式。

首先我们来搞清楚两个概念：推分析和拉分析。

在程序中访问和操作XML文件一般有两种模型：DOM（文档对象模型）和流模型。它们的优缺点如下：

DOM优点：允许编辑和更新XML文档，可以随机访问文档中的数据，可以使用XPath（XML Path Language，是一种从XML文档中搜索节点的查询语言）查询。
DOM缺点：需要一次性加载整个文档到内存中，对于大型文档，会造成性能问题。

流模型优点：对XML文件的访问采用流的概念，在任何时候内存中只有当前节点，解决了DOM的性能问题。
流模型缺点：是只读的，并且只能向前，不能在文档中执行向后导航操作。

关于什么是DOM，文章结尾处会有介绍。这里我们简单说一下流：它是一个连续的字节序列，可以理解为不停地从源头向目标搬运着字节的特殊对象。

让我们回到主题。流模型每次迭代XML文档中的一个节点，适合于处理较大的文档，所耗内存空间小。它有两种变体--“推”模型和“拉”模型。

推模型：就是我们常说的SAX，它是一种靠事件驱动的模型。当它每发现一个节点就引发一个事件，而我们需要编写这些事件的处理程序。这样的做法很麻烦，且不灵活。

拉模型：在遍历文档时，会把感兴趣的部分从读取器中拉出，不需要引发事件，允许我们选择性地处理节点。这大大提高了灵活性，以及整体效率。

到此，我们就弄明白了“推分析”和“拉分析”的概念：

基于流模型中推模型的分析方式称为推分析；基于流模型中拉模型的分析方式就称为拉分析。

StAX就是一种拉分析式的XML解析技术。它也支持对XML文件的生成操作，但是这篇文章里我们只介绍有关解析的知识。

从一开始，JAXP（Java API for XML Processing）就提供了两种方法来处理XML：DOM和SAX。StAX是一种面向流的新方法，最终版本于2004年3月发布，并成为JAXP 1.4（包含在Java 6.0中）的一部分。StAX的实现使用了JWSDP（Java Web Services Development Pack）1.6，并结合了SJSXP（Sun Java System XML Streaming Parser，位于javax.xml.stream.*包中）。

JWSDP是用来开发Web Services、Web应用程序以及Java应用（主要是XML处理）的开发包。它包含的Java API有：
JAXP：Java API for XML Processing
JAXB：Java Architecture for XML Binding
JAX-RPC：Java API for XML-based Remote Procedure Calls
JAX-WS：Java API for XML Web Services
SAAJ：SOAP with Attachments API for Java
JAXR：Java API for XML Registries
Web Services Registry

JWSDP的早期版本中还包括：
Java Servlet
JSP：JavaServer Pages
JSF：JavaServer Faces

现在，JWSDP已经被GlassFish所替代。

StAX包括两套处理XML的API，分别提供了不同程度的抽象。它们是：基于指针的API和基于迭代器的API。

我们先来了解基于指针的API。它把XML作为一个标记（或事件）流来处理，应用程序可以检查解析器的状态，获得解析的上一个标记的信息，然后再处理下一个标记，依次类推。

在开始API探索之前，我们首先创建一个名为users.xml的XML文档用于测试，它的内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<company>
  <depart title="Develop Group">
    <user name="Tom" age="28" gender="male" >Manager</user>
    <user name="Lily" age="26" gender="female" />
  </depart>
  <depart title="Test Group">
    <user name="Frank" age="32" gender="male" >Team Leader</user>
    <user name="Bob" age="45" gender="male" />
    <user name="Kate" age="25" gender="female" />
  </depart>
</company>

可以让我们使用基于指针的API的接口是javax.xml.stream.XMLStreamReader（很遗憾，你不能直接实例化它），要得到它的实例，我们需要借助于javax.xml.stream.XMLInputFactory类。根据JAXP的传统风格，这里使用了抽象工厂（Abstract Factory）模式。如果你对这个模式很熟悉的话，就能够在脑海中想象出我们将要编写的代码的大致框架了。

首先，获得一个XMLInputFactory的实例。方法是：

XMLInputFactory factory = XMLInputFactory.newInstance();

或者：

XMLInputFactory factory = XMLInputFactory.newFactory();

这两个方法是等价的，它们都是创建了一个新的实例，甚至实例的类型都是完全一致的。因为它们的内部实现都是：

{
return (XMLInputFactory) FactoryFinder.find("javax.xml.stream.XMLInputFactory", "com.sun.xml.internal.stream.XMLInputFactoryImpl");
}

接下来我们就可以创建XMLStreamReader实例了。我们有这样一组方法可以选择：

XMLStreamReader createXMLStreamReader(java.io.Reader reader) throws XMLStreamException;

XMLStreamReader createXMLStreamReader(javax.xml.tranform.Source source) throws XMLStreamException;

XMLStreamReader createXMLStreamReader(java.io.InputStream stream) throws XMLStreamException;

XMLStreamReader createXMLStreamReader(java.io.InputStream stream, String encoding) throws XMLStreamException;

XMLStreamReader createXMLStreamReader(String systemId, java.io.InputStream stream) throws XMLStreamException;

XMLStreamReader createXMLStreamReader(String systemId, java.io.Reader reader) throws XMLStreamException;

这些方法都会根据给定的流创建一个XMLStreamReader实例，大家可以依据流的类型、是否需要指定解析XML的编码或者systemId来选择相应的方法。

在这里，我们对systemId稍作说明，并简单解释一下它与publicId的区别。

systemId和publicId是XML文档里DOCTYPE元素中经常出现的两个属性。它们都是对外部资源的引用，用以指明引用资源的地址。systemId是直接引用资源，publicId是间接定位外部资源。具体一点说是这样：

systemId：外部资源（大多是DTD文件）的URI。比如本地文件file:///user/dtd/users.dtd或者网络某个地址的文件http://www.w3.org/dtd/users.dtd。

publicId：相当于一个名字，这个名字代表了一个外部资源。比如，我们规定"W3C HTML 4.0.1"这个字符串对应"http://www.w3.org/dtd/users.dtd"这个资源。那么，publicId="W3C HTML 4.0.1"和systemId="http://www.w3.org/dtd/users.dtd"的作用就是一样的。

好了，我们接着用以上列出的第一个接口来创建一个XMLStreamReader实例：

try {
XMLStreamReader reader = factory.createXMLStreamReader(new FileReader("users.xml"));
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (XMLStreamException e) {
e.printStackTrace();
}

要遍历XML文档，需要用到XMLStreamReader的下面几个方法：

int getEventType();

boolean hasNext() throws XMLStreamException;

int next() throws XMLStreamException;

getEventType()方法返回XMLStreamConstants接口中定义的一个标记常量，表示当前指针所指向标记（或事件）的类型。根据当前事件类型的不同，应用程序可以做出不同的处理。标记常量的类型和含义如下：

START_DOCUMENT：文档的开始
END_DOCUMENT：文档的结尾
START_ELEMENT：元素的开始
END_ELEMENT：元素的结尾
PROCESSING_INSTRUCTION：处理指令
CHARACTERS：字符（文本或空格）
COMMENT：注释
SPACE：可忽略的空格
ENTITY_REFERENCE：实体的引用
ATTRIBUTE：元素的属性
DTD：DTD
CDATA：CDATA块
NAMESPACE：命名空间的声明
NOTATION_DECLARATION：标记的声明
ENTITY_DECLARATION：实体的声明

next()方法将指针移动到下一个标记，它同时返回这个标记（或事件）的类型。此时若接着调用getEventType()方法则返回相同的值。

hasNext()用于判断是否还有下一个标记。只有当它返回true时才可以调用next()以及其它移动指针的方法。

看了上面几个方法的介绍，大家就会发现使用XMLStreamReader遍历XML文档是非常容易的，因为它的用法和每个人都熟悉的Java迭代器（Iterator）是一样的。下面我们就用已经掌握的这几个方法对上文中给出的XML文档做一个测试。希望你还记得它的内容，如果忘记了，请翻回去重新浏览一下。

我们的测试代码如下：

/**
* 列出所有用户
*
* @author zangweiren 2010-4-17
*
*/
public class ListUsers {
  // 获得解析器
  public static XMLStreamReader getStreamReader() {
    String xmlFile = ListUsers.class.getResource("/").getFile()
        + "users.xml";
    XMLInputFactory factory = XMLInputFactory.newFactory();
    try {
      XMLStreamReader reader = factory
          .createXMLStreamReader(new FileReader(xmlFile));
      return reader;
    } catch (FileNotFoundException e) {
      e.printStackTrace();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
    return null;
  }

  // 列出所有用户名称
  public static void listNames() {
    XMLStreamReader reader = ListUsers.getStreamReader();
    // 遍历XML文档
    try {
      while (reader.hasNext()) {
        int event = reader.next();
        // 如果是元素的开始
        if (event == XMLStreamConstants.START_ELEMENT) {
          // 列出所有用户名称
          if ("user".equalsIgnoreCase(reader.getLocalName())) {
            System.out.println("Name:"
                + reader.getAttributeValue(null, "name"));
          }
        }
      }
      reader.close();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
  }

  public static void main(String[] args) {
    ListUsers.listNames();
  }
}

运行结果：
Name:Tom
Name:Lily
Name:Frank
Name:Bob
Name:Kate

在上面的示例代码中，我们用到了XMLStreamReader的两个新方法：

String getLocalName();

String getAttributeValue(String namespaceURI, String localName);

与此相关的还有一个方法：

QName getName();

这三个方法牵扯到XML的namespace（命名空间）、localName（本地名称）、QName（Qualified Name，限定名称）三个概念，我们顺便解释一下：

命名空间是为了支持相同名称不同含义的XML标签而产生的，它可以这么定义：
<com:company xmlns:com="http://www.zangweiren.com/company">

</com:company>
其中，com是命名空间的前缀，company是命名空间的标签，http://www.zangweiren.com/company是命名空间的标识，相同的标识被认为是同一个命名空间。标识又叫URI，是唯一的，有URL（统一资源定位器）和URN（统一资源名称）两种。前缀是命名空间的简写，目的是为了使用方便。命名空间被声明后就可以被使用：

<com:company xmlns:com="http://www.zangweiren.com/company">
<com:depart name="Develop Group" />
</com:company>

在上例的<com:depart />标签中，前缀com是命名空间，depart是localName，这两个合起来就是QName。

在明白了这三个XML基本概念之后，也就明白了getLocalName()和getAttributeValue(String namespaceURI, String localName)方法的含义。

现在，我们已经学会了使用XMLStreamReader遍历XML文档，并对特定标签进行解析了。

我们再来看看下面两个方法：

String getElementText() throws XMLStreamException;

int nextTag() throws XMLStreamException;

getElementText()方法返回元素的开始标签（START_ELEMENT）和关闭标签（END_ELEMENT）之间的所有文本内容，若遇到嵌套的元素就会抛出异常。

nextTag()方法将跳过所有空白、注释或处理指令，直到遇到START_ELEMENT或END_ELEMENT。它在解析只含元素内容的XML文档时很有用。否则，在发现标记之前遇到非空白文本（不包括注释和处理指令），就会抛出异常。

比如我们修改上一个测试程序，增加一个新方法：

  // 列出所有用户的名称和年龄
  public static void listNamesAndAges() {
    XMLStreamReader reader = ListUsers.getStreamReader();
    try {
      while (reader.hasNext()) {
        // 跳过所有空白、注释或处理指令，到下一个START_ELEMENT
        int event = reader.nextTag();
        if (event == XMLStreamConstants.START_ELEMENT) {
          if ("user".equalsIgnoreCase(reader.getLocalName())) {
            System.out.println("Name:"
                + reader.getAttributeValue(null, "name")
                + ";Age:"
                + reader.getAttributeValue(null, "age"));
          }
        }
      }
      reader.close();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
  }

然后把它添加到主方法中：

  public static void main(String[] args) {
    ListUsers.listNames();
    ListUsers.listNamesAndAges();
  }

运行它试试看，在解析到<user name="Tom" age="28" gender="male" >Manager</user>的时候会报错，因此你会得到一个类似这样的错误信息：

javax.xml.stream.XMLStreamException: ParseError at [row,col]:[4,53]
Message: found: CHARACTERS, expected START_ELEMENT or END_ELEMENT

对于基于指针的XMLStreamReader来说，虽然API文档说的是“事件”，但是我们把它看成“标记”更易于理解，而且不会与另一套基于事件的API相混淆。

XMLStreamReader的某些方法，无论当前标记（或事件）是什么类型的，都可以被调用。它们的定义和作用如下：

String getVersion();//获得XML文档中的版本信息
String getEncoding();//获得XML文档中的指定编码
javax.xml.namespace.NamespaceContext getNamespaceContext();//获得当前有效的命名空间上下文，包含前缀、URI等信息
String getNamespaceURI();//获得当前有效的命名空间的URI
javax.xml.stream.Location getLocation();//获得当前标记的位置信息，包含行号、列号等
boolean hasName();//判断当前标记是否有名称，比如元素或属性
boolean hasText();//判断当前标记是否有文本，比如注释、字符或CDATA
boolean isStartElement();//判断当前标记是否是标签开始
boolean isEndElement();//判断当前标记是否是标签结尾
boolean isCharacters();//判断当前标记是否是字符
boolean isWhiteSpace();//判断当前标记是否是空白

对于以上方法都很容易理解和记忆，我们不再编写代码展示它们的效果。

让我们看看有关属性操作方法。还是首先熟悉一下它们的定义：

int getAttributeCount();

String getAttributeLocalName(int index);

QName getAttributeName(int index);

String getAttributeNamespace(int index);

String getAttributePrefix(int index);

String getAttributeType(int index);

String getAttributeValue(int index);

String getAttributeValue(String namespaceURI, String localName);

这些方法都十分容易理解，基本上看方法的名称和参数就知道它的用途了。而且最后一个方法在上面的示例中我们已经用过了。让我们再用一个简单的示例程序进一步加深对这些方法的认识。

  // 列出所有用户的名称和年龄
  public static void listNamesAndAges() {
    XMLStreamReader reader = ListUsers.getStreamReader();
    try {
      while (reader.hasNext()) {
        // 跳过所有空白、注释或处理指令，到下一个START_ELEMENT
        int event = reader.nextTag();
        if (event == XMLStreamConstants.START_ELEMENT) {
          if ("user".equalsIgnoreCase(reader.getLocalName())) {
            System.out.println("Name:"
                + reader.getAttributeValue(null, "name")
                + ";Age:"
                + reader.getAttributeValue(null, "age"));
          }
        }
      }
      reader.close();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
  }

把它加入到主方法中：

  public static void main(String[] args) {
    ListUsers.listNames();
    // ListUsers.listNamesAndAges();
    ListUsers.listAllAttrs();
  }

运行结果：
1.name=Tom;age=28;gender=male;
2.name=Lily;age=26;gender=female;
3.name=Frank;age=32;gender=male;
4.name=Bob;age=45;gender=male;
5.name=Kate;age=25;gender=female;

相信你看到这里，已经可以顺利地使用XMLStreamReader来完成XML文档的解析了。

上面我们介绍了基于指针的StAX API。这种方式尽管效率高，但是没有提供XML结构的抽象，因此是一种低层API。

较为高级的基于迭代器的API允许应用程序把XML作为一系列事件对象来处理，每个对象和应用程序交换XML结构的一部分。应用程序只需要确定解析事件的类型，将其转换成对应的具体类型，然后利用其方法获得属于该事件对象的信息。

StAX中基于迭代器的API是一种面向对象的方式，这也是它与基于指针的API的最大区别。它通过将事件转变为对象，让应用程序可以用面向对象的方式处理它们，这有利于模块化和不同组件之间的代码重用。

事件迭代器API的主要接口是javax.xml.stream.XMLEventReader和javax.xml.stream.events.XMLEvent。XMLEventReader和XMLStreamReader相比要简单的多，这是因为关于解析事件的所有信息都封装在了事件对象（XMLEvent）中。

创建XMLEvent对象前同样需要一个XMLInputFactory实例。它有如下这些创建XMLEvent实例的方法：

XMLEventReader createXMLEventReader(java.io.InputStream stream) throws XMLStreamException;

XMLEventReader createXMLEventReader(java.io.InputStream stream, String encoding) throws XMLStreamException;

XMLEventReader createXMLEventReader(java.io.Reader reader) throws XMLStreamException;

XMLEventReader createXMLEventReader(String systemId, java.io.InputStream stream) throws XMLStreamException;

XMLEventReader createXMLEventReader(String systemId, java.io.Reader reader) throws XMLStreamException;

XMLEventReader createXMLEventReader(Source source) throws XMLStreamException;

XMLEventReader createXMLEventReader(XMLStreamReader reader) throws XMLStreamException;

最后一个方法不同与其它的，它是将一个XMLStreamReader对象转换成一个XMLEventReader对象。值得注意的是，XMLInputFactory没有提供将XMLEventreader对象转换成XMLStreamreader对象的方法。我想，在我们的开发过程中，应该不会出现这种需要将高层API转换成低层API来使用的情况。

XMLEventReader接口扩展了java.util.Iterator接口，它定义了以下几个方法：

String getElementText() throws XMLStreamException;

boolean hasNext();

XMLEvent nextEvent() throws XMLStreamException;

XMLEvent nextTag() throws XMLStreamException;

XMLEvent peek() throws XMLStreamException;

其中，getElementText()、hasNext()、nextTag()三个方法的含义及用法类似于XMLStreamReader，而nextEvent()方法类似于XMLStreamReader的next()方法。所以，这里只对peed()方法做一下说明。

调用peek()方法，你将得到下一个事件对象。它与nextEvent()方法的不同是，当你连续两次或两次以上调用它时，你得到的都是同一个事件对象。

我们再看看XMLEvent接口中定义的方法。这些方法大体可以分为三种类别。第一类是用于事件类型判断的：

boolean isAttribute();//判断该事件对象是否是元素的属性
boolean isCharacters();//判断该事件对象是否是字符
boolean isStartDocument();//判断该事件对象是否是文档开始
boolean isEndDocument();//判断该事件对象是否是文档结尾
boolean isStartElement();//判断该事件对象是否是元素开始
boolean isEndElement();//判断该事件对象是否是元素结尾
boolean isEntityReference();//判断该事件对象是否是实体的引用
boolean isNamespace();//判断该事件对象是否是命名空间
boolean isProcessingInstruction();//判断该事件对象是否是处理指令

第二类是将XMLEvent转换为具体的子类对象的：

Characters asCharacters();//转换为字符事件对象
StartElement asStartElement();//转换为标签开始事件对象
EndElement asEndElement();//转换为标签结尾事件对象

第三类是获取事件对象通用信息的：

javax.xml.stream.Location getLocation();//获得事件对象的位置信息，类似于XMLStreamReader的getLocation()方法
int getEventType();//获得事件对象的类型，类似于XMLStreamReader的getEventType()方法

其中，getEventType()方法的返回值也是XMLStreamConstants中定义的常量，其类型和含义与XMLStreamReader的getEventType()方法的返回值完全相同。

下面让我们用一段示例代码来熟悉基于迭代器的StAX API的使用方法，进而引出XMLEvent接口的子接口类型。我们仍然使用users.xml作为测试文件：

  // 列出所有信息
  @SuppressWarnings("unchecked")
  public static void listAllByXMLEventReader() {
    String xmlFile = ListUsers.class.getResource("/").getFile()
        + "users.xml";
    XMLInputFactory factory = XMLInputFactory.newInstance();
    try {
      // 创建基于迭代器的事件读取器对象
      XMLEventReader reader = factory
          .createXMLEventReader(new FileReader(xmlFile));
      // 遍历XML文档
      while (reader.hasNext()) {
        XMLEvent event = reader.nextEvent();
        // 如果事件对象是元素的开始
        if (event.isStartElement()) {
          // 转换成开始元素事件对象
          StartElement start = event.asStartElement();
          // 打印元素标签的本地名称
          System.out.print(start.getName().getLocalPart());
          // 取得所有属性
          Iterator attrs = start.getAttributes();
          while (attrs.hasNext()) {
            // 打印所有属性信息
            Attribute attr = (Attribute) attrs.next();
            System.out.print(":" + attr.getName().getLocalPart()
                + "=" + attr.getValue());
          }
          System.out.println();
        }
      }
      reader.close();
    } catch (FileNotFoundException e) {
      e.printStackTrace();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
  }

把它加到主程序中：

  public static void main(String[] args) {
    ListUsers.listNames();
    // ListUsers.listNamesAndAges();
    ListUsers.listAllAttrs();
    ListUsers.listAllByXMLEventReader();
  }

运行后得到如下结果：
company
depart:title=Develop Group
user:age=28:name=Tom:gender=male
user:age=26:name=Lily:gender=female
depart:title=Test Group
user:age=32:name=Frank:gender=male
user:age=45:name=Bob:gender=male
user:age=25:name=Kate:gender=female

这个例子中，我们利用基于迭代器的StAX API打印出了所有元素的本地名称以及它们的全部属性信息。大家可以看到，它的用法与基于指针的StAX API的用法十分相似。但是由于使用了面向对象的思想，更加容易理解。

我们用到了两个新的接口：StartElement和Attribute。它们都是XMLEvent接口的子接口，且都在javax.xml.stream.events.*包中。它们是更具体的事件对象类型。实际上在javax.xml.stream.events中，除了XMLEvent接口自身外，其余接口都是它的子接口。它们的名称和代表的具体事件对象类型如下：

Attribute：元素的属性
Characters：字符
Comment：注释
DTD：DTD
StartDocument：文档的开始
EndDocument：文档的结束
StartElement：元素的开始
EndElement：元素的结束
EntityDeclaration：实体声明
EntityReference：实体的引用
Namespace：命名空间声明
NotationDeclaration：标记的声明
ProcessingInstruction：处理指令

你可能觉得这些类看着很眼熟，因为它们在XMLStreamReader的getEventType()方法的返回值，也就是XMLStreamConstants中定义的常量中，都能找到一一的对应。唯独缺少了SAPCE（可忽略的空白）和CDATA（CDATA块）。也就是说，在基于指针的StAX API中定义事件类型，在基于迭代器的StAX API中都是以对象的形式提供给应用程序的，这就是为什么说后者是一种更具有面向对象思想的高层API的原因。

这些事件对象接口不仅代表了一种事件类型，还包含对应事件对象的信息。至于它们所具有的方法大多是获取事件对象信息的访问器，其含义及具体用法，都很容易理解和使用，因此不再详细介绍。

大家可能注意到，XMLEvent只提供了三个asXXX()形式的方法将它转换到具体的子类型，如果你想要处理的事件对象类型在这三种类型之外，直接使用强制类型转换就可以了。

现在我们掌握了StAX的基于指针的拉分析API和基于迭代器的拉分析API的基本应用。我们再来看一种稍微高级的用法，它可以帮助我们更好地完成XML文档的解析工作。

XMLInputFactory还有两个创建流读取器的方法：

XMLStreamReader createFilteredReader(XMLStreamReader reader, StreamFilter filter) throws XMLStreamException;

XMLEventReader createFilteredReader(XMLEventReader reader, EventFilter filter) throws XMLStreamException;

它们分别为XMLStreamReader和XMLEventReader增加一个过滤器，过滤掉不需要解析的内容，只留下应用程序关心的信息用于解析。虽然我们可以在应用程序中做同样的过滤工作，就像之前示例程序中所写的那样，但是把过滤工作交给过滤器的好处是，让应用程序可以更加专注于解析工作，并且对于通用的过滤（比如注释），将它放到过滤器中可以实现过滤逻辑部分代码的重用。这符合软件设计原则。

如果你编写过文件过滤器java.io.FileFilter的话，那么编写StreamFilter和EventFilter就更加容易。我们先来看看这两个接口的定义：

public interface StreamFilter {
public boolean accept(XMLStreamReader reader);
}

public interface EventFilter {
public boolean accept(XMLEvent event);
}

我们就以StreamFilter为例来演示过滤器的用法。为此，我们使用users.xml为测试文档编写一段新的程序：

/**
* StreamFilter示例程序
*
* @author zangweiren 2010-4-19
*
*/
public class TestStreamFilter implements StreamFilter {

  public static void main(String[] args) {
    TestStreamFilter t = new TestStreamFilter();
    t.listUsers();
  }

  @Override
  public boolean accept(XMLStreamReader reader) {
    try {
      while (reader.hasNext()) {
        int event = reader.next();
        // 只接受元素的开始
        if (event == XMLStreamConstants.START_ELEMENT) {
          // 只保留user元素
          if ("user".equalsIgnoreCase(reader.getLocalName())) {
            return true;
          }
        }
        if (event == XMLStreamConstants.END_DOCUMENT) {
          return true;
        }
      }
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
    return false;
  }

  public XMLStreamReader getFilteredReader() {
    String xmlFile = TestStreamFilter.class.getResource("/").getFile()
        + "users.xml";
    XMLInputFactory factory = XMLInputFactory.newFactory();
    XMLStreamReader reader;
    try {
      reader = factory.createXMLStreamReader(new FileReader(xmlFile));
      // 创建带有过滤器的读取器实例
      XMLStreamReader freader = factory
          .createFilteredReader(reader, this);
      return freader;
    } catch (FileNotFoundException e) {
      e.printStackTrace();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
    return null;
  }

  public void listUsers() {
    XMLStreamReader reader = getFilteredReader();
    try {
      // 列出所有用户的名称
      while (reader.hasNext()) {
        // 过滤工作已交由过滤器完成，这里不需要再做
        System.out.println("Name="
            + reader.getAttributeValue(null, "name"));

        if (reader.getEventType() != XMLStreamConstants.END_DOCUMENT) {
          reader.next();
        }
      }
      reader.close();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
  }

}

测试结果：
Name=Tom
Name=Lily
Name=Frank
Name=Bob
Name=Kate

大家可能已经发现，这里有一个与之前处理不同的地方，就是我们先打印了用户的信息，再调用next()方法；这与java.util.Iterator的先调用next()方法，再获取对象信息不同。而之前我们一直采用的是与Iterator一样的处理代码。这里，就有一个问题需要说明。

对于XMLStreamReader的next()方法来说，第一次被调用的时候返回的是第二个标记（或事件）。要获得第一个标记，就需要在调用next()方法之前调用getEventType()方法。这是需要注意的地方。我们以上的代码之所以采用Java迭代器一样的处理方式，是因为第一个标记总是START_DOCUMENT，而我们不需要对它进行操作，因此就采用了一种熟悉的编码方式，方便大家理解。XMLEventReader的nextEvent()方法就不存在这样的问题。

EventFilter的用法与StreamFilter相同，不再举例说明。

StAX还为我们提供了另外一种隔离标记或事件对象过滤逻辑的方法，那就是StreamReaderDelegate和EventReaderDelegate这两个类，它们都位于javax.xml.stream.util.*包中。StAX API中大部分都是接口，这两个是确确实实的类。它们都做了同样的工作，就是分别包装了XMLStreamReader和XMLEventReader，并把所有的方法都委托（Delegate）给它们处理，既没有增加任何的方法或逻辑，也没有改变或删除任何方法，因此这里使用的是策略（Strategy）模式。我们可以采用装饰（Decorator）模式，给StreamReaderDelegate或EventReaderDelegate增加新的功能。请看下面的例子：

/**
* 测试StreamReaderDelegate
*
* @author zangweiren 2010-4-19
*
*/
public class TestStreamDelegate {

  public static void main(String[] args) {
    TestStreamDelegate t = new TestStreamDelegate();
    t.listUsers();
  }

  public XMLStreamReader getDelegateReader() {
    String xmlFile = TestStreamFilter.class.getResource("/").getFile()
        + "users.xml";
    XMLInputFactory factory = XMLInputFactory.newFactory();
    XMLStreamReader reader;
    try {
      reader = new StreamReaderDelegate(factory
          .createXMLStreamReader(new FileReader(xmlFile))) {
        // 重写（Override）next()方法，增加过滤逻辑
        @Override
        public int next() throws XMLStreamException {
          while (true) {
            int event = super.next();
            // 保留用户元素的开始
            if (event == XMLStreamConstants.START_ELEMENT
                && "user".equalsIgnoreCase(getLocalName())) {
              return event;
            } else if (event == XMLStreamConstants.END_DOCUMENT) {
              return event;
            } else {
              continue;
            }
          }
        }
      };
      return reader;
    } catch (FileNotFoundException e) {
      e.printStackTrace();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
    return null;
  }

  public void listUsers() {
    XMLStreamReader reader = this.getDelegateReader();
    try {
      while (reader.hasNext()) {
        reader.next();
        if (reader.getEventType() != XMLStreamConstants.END_DOCUMENT) {
          // 列出用户的名称和年龄
          System.out.println("Name="
              + reader.getAttributeValue(null, "name") + ";age="
              + reader.getAttributeValue(null, "age"));
        }
      }
      reader.close();
    } catch (XMLStreamException e) {
      e.printStackTrace();
    }
  }

}

测试结果：
Name=Tom;age=28
Name=Lily;age=26
Name=Frank;age=32
Name=Bob;age=45
Name=Kate;age=25

EventReaderDelegate的用法与StreamReaderDelegate相同。

现在我们介绍完了StAX的两种解析XML文档的方式，大家也可能对它的使用有了自己的认识。我们最后总结一下：XMLStreamReader和XMLEventReader都允许应用程序迭代底层的XML流，区别在于它们如何对外提供解析后的XML信息片段。前者像个指针，指在刚刚解析过的XML标记的后面，并提供获得关于该标记更多信息的方法。因为不用创建新的对象，所以更节约内存。后者具有更多的面向对象特征，就是个标准的Java迭代器，解析器的当前状态反映在事件对象中，应用程序在处理事件对象的时候不需要访问解析器/读取器。

关于各种XML解析技术的优劣

除了我们刚刚介绍过的StAX这种Java 6.0新支持的XML文档解析技术之外，还有四种广为应用的解析方式，我们将对它们做一个简要介绍，并比较五种技术的优缺点以及性能表现，以供大家在开发中选择何种解析技术做参考。

一、DOM（Document Object Model）

文档对象模型分析方式。以层次结构（类似于树型）来组织节点和信息片段，映射XML文档的结构，允许获取和操作文档的任意部分。是W3C的官方标准。

优点：
1、允许应用程序对数据和结构做出更改。
2、访问是双向的，可以在任何时候在树中上下导航，获取和操作任意部分的数据。

缺点：
1、通常需要加载整个XML文档来构造层次结构，消耗资源大。

二、SAX（Simple API for XML）

流模型中的推模型分析方式。通过事件驱动，每发现一个节点就引发一个事件，通过回调方法完成解析工作，解析XML文档的逻辑需要应用程序完成。

优点：
1、不需要等待所有数据都被处理，分析就能立即开始。
2、只在读取数据时检查数据，不需要保存在内存中。
3、可以在某个条件得到满足时停止解析，不必解析整个文档。
4、效率和性能较高，能解析大于系统内存的文档。

缺点：
1、需要应用程序自己负责TAG的处理逻辑（例如维护父/子关系等），使用麻烦。
2、单向导航，很难同时访问同一文档的不同部分数据，不支持XPath。

三、JDOM（Java-based Document Object Model）

Java特定的文档对象模型。自身不包含解析器，使用SAX。

优点：
1、使用具体类而不是接口，简化了DOM的API。
2、大量使用了Java集合类，方便了Java开发人员。

缺点：
1、没有较好的灵活性。
2、性能较差。

四、DOM4J（Document Object Model for Java）

简单易用，采用Java集合框架，并完全支持DOM、SAX和JAXP。

优点：
1、大量使用了Java集合类，方便Java开发人员，同时提供一些提高性能的替代方法。
2、支持XPath。
3、有很好的性能。

缺点：
1、大量使用了接口，API较为复杂。

五、StAX（Streaming API for XML）

流模型中的拉模型分析方式。提供基于指针和基于迭代器两种方式的支持。

优点：
1、接口简单，使用方便。
2、采用流模型分析方式，有较好的性能。

缺点：
1、单向导航，不支持XPath，很难同时访问同一文档的不同部分。

为了比较这五种方式在解析XML文档时的性能表现，我们来创建三个不同大小的XML文档：smallusers.xml（100KB）、middleusers.xml（1MB）、bigusers.xml（10MB）。我们分别用以上五种解析方式对这三个XML进行解析，然后打印出所有的用户信息，并分别计算它们所用的时间。测试代码会在文章后面的附件中给出，这里只比较它们的耗时。

单位：s（秒）
---------------------------------------------------------------
| 100KB | 1MB | 10MB |
---------------------------------------------------------------
DOM | 0.146s | 0.469s | 5.876s |
---------------------------------------------------------------
SAX | 0.110s | 0.328s | 3.547s |
---------------------------------------------------------------
JDOM | 0.172s | 0.756s | 45.447s |
---------------------------------------------------------------
DOM4J | 0.161s | 0.422s | 5.103s |
---------------------------------------------------------------
StAX Stream | 0.093s | 0.334s | 3.553s |
---------------------------------------------------------------
StAX Event | 0.131s | 0.359s | 3.641s |
---------------------------------------------------------------

由上面的测试结果可以看出，性能表现最好的是SAX，其次是StAX Stream和StAX Event，DOM和DOM4J也有着不错的表现。性能最差的是JDOM。

所以，如果你的应用程序对性能的要求很高，SAX当然是首选。如果你需要访问和控制任意数据的功能，DOM是个很好的选择，而对Java开发人员来讲，DOM4J是更好的选择。

如果只需要做XML文档解析的话，综合性能、易用性、面向对象特征等各方面来衡量，StAX Event无疑是最好的选择。

附录：

附件中包含该文章中用到的全部示例代码，分为两个Eclipse工程：GreatTestProject和XMLTest，均可编译执行。GreatTestProject是对StAX API的示例代码；而XMLTest所有五种解析方式的使用示例，并可以针对它们做性能测试。其中，XMLTest工程的jar包默认是用maven来管理的，你可以根据需要修改。

StAX-XML-zangweiren.rar (51.3k)

我的博客：http://zangweiren.javaeye.com
JAVA面试题解惑系列：http://zangweiren.javaeye.com/category/34977

作者	Re:Java6.0新特性之StAX--全面解析Java XML分析技术 [Re:臧圩人]
臧圩人发贴: 63 积分: 15	于 2010-04-20 10:28 本人博客还有更多文章，欢迎访问。 http://zangweiren.javaeye.com 我的博客：http://zangweiren.javaeye.com JAVA面试题解惑系列：http://zangweiren.javaeye.com/category/34977

已读帖子

新的帖子

被删除的帖子