使用XWAF框架（5）——XML解析器：CXDP

XWAF推出了自己的组合式XML文档解析器，英文名叫：“CXDP”，是“Combined XML Document Parser”的缩写。核心代码属XWAF原创，注释、日志和帮助文档采用全中文描述，特别适合于中文背景的初级程序员学习和使用。

CXDP解析器融合了DOM解析和DSE解析两种XML解析技术。

DOM解析就是基于文档对象树的解析技术，编码简单，功能强大，且能对XML原文进行“增、删、改、查”操作，是行业内最早推出的XML解析方案，应用广泛，但是对用户计算机的性能和内存要求较高，解析速度稍慢。

DSE（Document Scanning Events）解析是基于文档扫描事件机制的解析方案。就是以XML原文的节点和元素为最小解析单元，“一边扫描文档内容，一边抛出解析数据”。每次抛出解析数据，就引发一次事件，解析器就会执行与此事件关联的方法。程序员可以在该事件方法中编写捕获数据的代码，为自己所用。DSE解析技术的最大特点，就是“边扫描、边解析、边抛出”，解析器不保存解析的历史数据，交与开发者自己去处理。因此，该方案对计算机的硬件配置和内存要求不高，且解析速度快，特别适合于解析XML大数据文档。与行业内的SAX解析思想一致。

为了简化编程，CXDP解析器提供了一个名叫XmlManager的管理器类。该类包含创建、解析和保存XML文档的静态方法。方法要求使用者指定XML文件的路径或者符合XML语法规范的字符串。如果希望解析器采用DSE解析模式，则需要用户额外提供一个实现了XmlUserParser<T> 泛型抽象类的实例参数。该实例包括捕获解析数据的各种事件方法，以及返回解析数据的对象类型。若采用DOM解析模式，则不需要此参数。也就是说，开发者调用XmlManager管理器的解析方法时，管理器会自动选择DOM模式或DSE模式来完成解析工作。唯一的差别是提供的参数是否包含XmlUserParser<T>实例。这就简化了应用程序的编码。

XWAF框架包含CXDP解析器的所有类。如果不想使用XWAF框架，也可以下载或使用独立的压缩文件“com.xwaf.cxdp.jar”来获取CXDP解析器。

5.1  基于DOM的XML解析

DOM解析XML文档的基本步骤，分为以下四步：

1）加载XML文档，获取XmlDocument对象。参考代码如下：

String  fileName = "D:\\myXmlFile.xml";

XmlDocument  xd = XmlManager.loadXmlFile(fileName);

2）提取根元素节点对象（XmlElement）。参考代码如下：

XmlElement  xeRoot = xd.getDocumentElement();

3）遍历根元素的子节点或后代节点，提取想要的数据。

参考代码如下：

XmlNodeList xbl = xeRoot.getChildNodes();

for(INode n : xbl.getNodeList()){

if("userName".equals(n.getNodeName())){

......   // 根据用户的XML结构提取数据！

}

}

4）销毁XmlDocument对象，释放宝贵的内存资源。

也就是调用文档对象的方法：xd.destroy();

  说明：最核心的解析代码，必须由知道被解析XML文本的结构和各个节点含义的应用程序设计人员，根据元素节点的名称，属性节点的设置，以及文本节点与元素节点的父子关系，分别提取相应的属性值，或是文本子节点的内容，来完成XML数据的解析和逻辑组装。用户也可以使用获得的XML数据创建自己的实体对象，然后在应用程序中引用或共享。

程序员可以根据需求，找到特定的元素节点，并将创建的新元素或文本节点添加到所找到节点的子节点集合中；或者将找到的节点修改或删除后，重新保存到文件，从而实现对原XML文件的增、删、改、查操作。

CXDP解析器实现了DOM3规范的绝大多数接口、类和方法，常用的接口、类和方法如下：

INode接口：是DOM的顶级接口。在DOM对象树中，所有的XML数据项都被看做是节点（Node），包括属性和文本。所以，INode也是最重要的接口，它定义了XML操作的绝大多数方法，如：

getNodeName()方法：获取节点的限定名（包含名称空间前缀）。

getLocalName()方法：获取当前节点的本地名称。

getPrefix()方法：获取节点所属名称空间的前缀。

getNextSibling()方法：获取下一个兄弟节点。

getPreviousSibling()方法：获取上一个兄弟节点。

getParentNode()方法：获取当前节点的父节点。

getFirstChild()方法：获取第一个子节点。

getLastChild()方法：获取最后一个子节点。

getChildNodes()方法：获取当前节点的全部子节点集合。

getNodeType()方法：获取当前节点的类型常量。

getNodeValue()方法：获取节点值。

getTextContent()方法：返回节点及其子孙节点的文本内容。如果文本子孙节点中包含实体引用，将被替换为实体值。

appendChild(INode)方法：将指定的新节点添加到当前节点的子节点集合中；

insertAfter(INode newChild, INode refChild)方法：在指定的子节点之后插入一个新节点。

insertBefore(INode newChild, INode refChild)方法：在指定的子节点前插入一个新节点。

removeChild(INode)方法：移除指定的子节点。

replaceChild(INode newChild, INode oldChild)方法：将当前节点中指定的子节点替换成指定的新节点。

cloneNode(boolean deep)方法：克隆（复制）当前节点对象的副本。

INode接口还是文档接口（IDocument）和元素接口（IElement）的父接口。

XmlNode类：是DOM的顶级类，它实现了INode接口的全部方法。是文档类（XmlDocument）和元素类（XmlElement）的父类。

XmlDocument类：XML文档节点类，是XmlNode的子类，继承了XmlNode的全部protected属性和方法。另外增加了如下方法：

adoptNode(INode srcNode) ：从另一个文档向本文档过继一个节点，并返回过继后的节点。

createElement(String qualifiedName)：创建指定限定名(可以包含前缀、冒号和本地名)的元素节点。

createTextNode(String data) ：创建带有指定字符串数据的文本节点。

load(String xmlFileName) ：将指定的文件名加载到当前文档对象。该方法有四个重载，最重要的重载方法是load(String xmlFileName, XmlUserParser<?> xup, boolean createDOM)方法。该重载方法除了要求指定文件名以外，还要求提供一个实现了泛型抽象类（XmlUserParser<?>）的实例，以及是否创建DOM对象树的参数。如果泛型抽象类参数为null，则第三个参数会自动为true，即自动创建DOM对象树。

loadXML(String srcXml, String baseURI) ：从指定的XML文档片段构建文档对象。第一个参数为文档片段，第二个参数是基础DOM资源标识符（可以为null）。

saveFile(String xmlFileName, boolean formatXml) ：以指定的文件名和格式处理模式将XML文档内容保存到磁盘。第二个参数表示是否对文档内容进行缩进格式化。

 toXmlString(boolean formatXml) ：将当前XML文档对象的节点树，根据参数formatXml的值输出为紧凑格式或排版格式的字符串。如果参数formatXml为true，将对XML内容以元素为单元进行换行和缩进等排版处理。

XmlElement类：XML元素节点类，是XmlNode的子类，继承了XmlNode的全部protected属性和方法。另外增加了如下方法：

createAttribute(String name, String val) ：创建带有指定名称和值的属性节点，并返回创建的 XmlAttribute对象。

getAttribute(String name)：获取指定名称的属性值。

getAttributeNode(String name)方法：获取指定名称的属性节点对象（XmlAttribute）。

getAttributes()：获取元素的属性集合。

getElementById(String eId)：从文档中查找并返回ID类型的属性值匹配参数值(eId)的第一个元素节点。

getElementsByTagName(String tagName)：获取与指定元素标签名称相匹配的元素节点及其子元素节点的列表。

getTagName()：获取当前元素节点的标签名。

removeAttribute(String name)：删除指定名称的属性节点。

 setAttribute(String name, String value)：添加或修改当前元素中，属性名称为 name 的属性值。说明：如不存在同名属性，就添加一个新属性。

 hasAttribute(String name)：判断是否存在与指定名称相匹配的属性节点。

5.2  基于DSE的XML解析

采用了XML文档扫描事件机制，要求程序员提供实现了XmlUserParser<T>泛型抽象类的实例参数。XmlUserParser<T> 是一个泛型抽象类，它定义了解析器在扫描XML文档的过程中，与扫描事件对应的抽象方法。包括：

1）start_Element()：该方法在解析器遇到一个元素的开始节点时被执行，包括5个参数，分别是：父元素的限定名称、元素的本地名称、名称空间的前缀、名称空间标识符、包含的属性集合。

2）end_Element()：该方法在解析器遇到一个元素的结束节点时被执行，包括2个参数，分别是：元素的本地名称、名称空间的前缀。

3）Text_Parsed()：该方法在解析器解析完一个文本节点后被执行，包括2个参数，分别是：父元素的限定名称、文本内容。

4）EntityReference_Parsed()：该方法在解析器解析到一个实体引用节点时被执行，包括3个参数，分别是：父元素的限定名称、引用实体名、引用实体值（字符串）。

5）Comment_Parsed()：该方法在解析器解析到一个注释节点时被执行，包括2个参数，分别是：父元素的限定名称、注释内容。

6）ProcessingInstruction_Parsed()：该方法在解析器解析到一个XML处理指令节点时被执行，包括2个参数，分别是：目标处理器名称、处理指令的内容。

7）getParsedData()：该方法返回用户解析得到的数据对象，其真实类型是程序员事先指定的泛型类。

程序员可以在自己的实现子类中，选择与要解析的XML文件内容相关的方法并编码实现它，其它的抽象方法可以采用无代码实现！

  注意：编写解析代码时要使用方法中的参数来获取解析器传递出来的数据，并根据XML数据的结构来还原数据逻辑。

方法“getParsedData()”是为方便用户提取解析数据而设计的，程序员应该设计合适的类来存储解析得到的数据，并作为该泛型类的类型参数，也是本方法的返回类型，在实现代码中返回该类型的对象。

基于DSE的解析特点就是：一边读取XML文档，一边解析XML数据结构，一边抛出各种扫描事件，并通过响应事件的方法参数输出XML数据。所以有人将这种方式称为基于扫描事件的XML解析。该模式的解析步骤分为两步：

1）创建继承XmlUserParser<T>的子类，并实现其中的抽象方法；

2）调用XmlManager的静态方法parseXml()或parseXmlFile()，并将文档内容或文件名，以及XmlUserParser<T>子类对象传递给静态方法。

5.3  XmlManager管理类

该类提供了操作XML文档最基本的静态方法，目的是简化应用程序的编码。

1）loadXml(String, String)方法：加载参数1指定的XML文本，使用并遵循DOM规范，返回一个XmlDocument对象；

2）loadXmlFile(String)方法：加载指定的XML文件，使用和遵循DOM规范，并返回一个XmlDocument文档对象；

3）parseXml(String,XmlUserParser<?>,String)方法：快速解析参数1指定的XML文本，但不实现DOM接口，也不返回XmlDocument对象，而是在解析过程中，通过各种解析事件以参数将XML节点和属性数据传递给实现了xmlUserParser<T>的子类实例，该子类在方法中处理解析得到的XML数据。

4）parseXmlFile(String,XmlUserParser<?>)方法：与parseXml()类似，但它快速解析一个XML文件。

5）createXmlDocument()方法：创建一个新的XML文档并保存到文件。

6）saveXmlToFile(String xmlFileName, String xmlContent)方法：保存XML文本到指定的文件。

说明：parseXml()和parseXmlFile()方法不创建节点树，但要求提供一个实现了XmlUserParser<T>抽象类的子类实例。用户在该实例类中要编码实现全部的抽象方法（响应各种解析事件），正是在重写这些抽象方法的代码中，完成了提取和使用XML文档数据的工作。因此，程序员会觉得编码工作比较困难，而且很难同时访问同一个文档中的不同数据。

5.4  小结

基于DOM的XML解析，核心思想是把XML文档内容转化为一个节点对象树，可以对树节点进行遍历、添加、修改或删除；当然，还可以创建XML文档。功能十分强大，且编程简单。因此，常用于XML文档需要频繁改变的服务中。但缺点也非常明显，因为解析器在对XML节点树进行遍历、添加、修改或删除之前，必须先读入整个XML文档，并在内存中创建DOM节点对象树。因此，要消耗大量的内存资源。若文档比较小，还不会造成大的问题。但若XML文档比较大，则对内存的需求将成倍增长，这会从解析速度上明显的体现出来，甚至会因内存被消耗殆尽而死机。

基于DSE的解析，采用了扫描XML文档并抛出解析数据的事件机制，即：一边读入XML内容，一边扫描节点、一边通过节点事件抛出解析数据。解析器并不保存每个XML节点对象，所以对内存的消耗与XML文档的大小无关，特别适合于XML大文档的快速解析。当然，这种“路过式”解析并处理数据的策略，不能实现对原文档内容的修改和删除，而且先后抛出的数据之间的逻辑，需要程序员在拦截扫描事件的方法中，自己编写代码进行暂时保存、关联和最终处理。编程难度稍大。好在XWAF提供了XmlUserParser<T>泛型抽象类，提供了应用解析的基本框架和公共处理代码，程序员只需要创建继承子类，并真正实现满足自己功能需求的部分抽象方法，就大功告成。另外，程序员只需要关注、截留和处理自己需要的节点数据，无关的数据可以不管并随即抛弃。即节省了内存资源，有加快了解析速度。对于只读XML解析，DSE是最好的方案！

CXDP集成了DOM和DSE两种解析方案，提供的XmlManager管理器进一步简化了编码，是程序员解析XML文档最好的帮手和选择！