您将如何使用 Java 来处理各种 XML 文档？答案

【问题标题】：How would you use Java to handle various XML documents?您将如何使用 Java 来处理各种 XML 文档？
【发布时间】：2008-08-27 16:55:59
【问题描述】：

我正在寻找使用 Java 应用程序解析各种 XML 文档的最佳方法。我目前正在使用 SAX 和自定义内容处理程序执行此操作，并且效果很好 - 快速且稳定。

我决定探索具有相同程序的选项，该程序当前接收单一格式的 XML 文档，接收两种额外的 XML 文档格式，以及各种 XML 元素更改。我希望根据文档中的第一个“startElement”将 ContentHandler 换成适当的...但是，呃，呃，设置了 ContentHandler 并且然后解析了文档！

... constructor ...
{
SAXParserFactory spf = SAXParserFactory.newInstance();

try {
SAXParser sp = spf.newSAXParser();
parser = sp.getXMLReader();
parser.setErrorHandler(new MyErrorHandler());
} catch (Exception e) {} 

... parse StringBuffer ...
try {
parser.setContentHandler(pP);
parser.parse(new InputSource(new StringReader(xml.toString())));
return true;
} catch (IOException e) {
    e.printStackTrace();
} catch (SAXException e) {
    e.printStackTrace();
}
...

所以，我似乎无法按照我最初认为的方式做到这一点。

话虽如此，我认为这完全错误吗？用相同的 XML 处理代码解析多个离散的 XML 文档的最佳方法是什么？ I tried to ask in a more general post earlier... but, I think I was being too vague。出于速度和效率的目的，我从未真正关注过 DOM，因为这些 XML 文档相当大，系统每隔几分钟就会收到大约 1200 个。这只是一种信息发送方式

这个问题太长了，增加了我的困惑；以下是一些我想要一个 SAX、StAX 或 ?? 的各种 XML 文档的模型。解析器干净地处理。

products.xml：

<products>
<product>
  <id>1</id>
  <name>Foo</name>
<product>
  <id>2</id>
  <name>bar</name>
</product>
</products>

stores.xml：

<stores>
<store>
  <id>1</id>
  <name>S1A</name>
  <location>CA</location>
</store>
<store>
  <id>2</id>
  <name>A1S</name>
  <location>NY</location>
</store>
</stores>

managers.xml：

<managers>
<manager>
  <id>1</id>
  <name>Fen</name>
  <store>1</store>
</manager>
<manager>
  <id>2</id>
  <name>Diz</name>
  <store>2</store>
</manager>
</managers>

【问题讨论】：

标签： java xml sax stax

【解决方案1】：

据我了解，问题是您在解析之前不知道文档的格式。您可以使用委托模式。我假设您没有针对 DTD/XSD/etcetera 进行验证，并且 DefaultHandler 具有状态是可以的。

public class DelegatingHandler extends DefaultHandler {

    private Map<String, DefaultHandler> saxHandlers;
    private DefaultHandler delegate = null;

    public DelegatingHandler(Map<String, DefaultHandler> delegates) {
        saxHandlers = delegates;
    }

    @Override
    public void startElement(String uri, String localName, String name,
            Attributes attributes) throws SAXException {
       if(delegate == null) {
           delegate = saxHandlers.get(name);
       }
       delegate.startElement(uri, localName, name, attributes);
    }

    @Override
    public void endElement(String uri, String localName, String name)
            throws SAXException {
        delegate.endElement(uri, localName, name);
    }

//etcetera...

【讨论】：

【解决方案2】：

你已经很好地解释了你想要做什么，但没有解释为什么。有几个 XML 框架可以简化 Java 对象与 XML 之间的编组和解组。

最简单的是Commons Digester，我通常用它来解析配置文件。但是如果你想处理 Java 对象，那么你应该查看Castor、JiBX、JAXB、XMLBeans、XStream 或类似的东西。 Castor 或 JiBX 是我最喜欢的两个。

【讨论】：

【解决方案3】：

我曾经尝试过 SAXParser，但一旦我找到 XStream，我就再也没有使用过它。使用 XStream，您可以创建 Java 对象并将它们转换为 XML。将它们发送过来并使用 XStream 重新创建对象。非常易于使用、快速并创建干净的 XML。

无论哪种方式，您都必须知道要从 XML 文件中接收哪些数据。您可以通过不同的方式发送它们以了解要使用的解析器。或者有一个数据对象可以保存所有内容，但只填充一个结构（产品/商店/经理）。可能是这样的：

public class DataStructure {

    List<ProductStructure> products;

    List<StoreStructure> stors;

    List<ManagerStructure> managers;

    ...

    public int getProductCount() {
        return products.lenght();
    }

    ...
}

并用 XStream 转换为 XML 发送过来然后重新创建对象。然后用它做你想做的事。

【讨论】：

【解决方案4】：

查看XMLReader.setContentHandler() 的文档，上面写着：

应用程序可以在解析过程中注册一个新的或不同的处理程序，并且 SAX 解析器必须立即开始使用新的处理程序。

因此，您应该能够创建一个 SelectorContentHandler，它在第一个 startElement 事件之前使用事件，基于此更改 XML 阅读器上的 ContentHandler，并将第一个开始元素事件传递给新内容处理程序。您只需将XMLReader 传递给构造函数中的SelectorContentHandler。如果您需要所有将事件传递给特定于词汇表的内容处理程序，SelectorContentHandler 必须缓存这些事件然后传递它们，但在大多数情况下，这不是必需的。

顺便说一句，我最近在几乎所有项目中都使用XOM 来处理 XML ja，到目前为止性能还不是问题。

【讨论】：

【解决方案5】：

JAXB。 XML 绑定的 Java 体系结构。基本上，您创建一个定义 XML 布局的 xsd（我相信您也可以使用 DTD）。然后将 XSD 传递给 JAXB 编译器，编译器创建 Java 类来将 XML 文档编组和解组为 Java 对象。真的很简单。

顺便说一句，jaxb 有命令行选项来指定要放置结果类的包名称等。

【讨论】：

发帖人已经表示他更喜欢使用像 SAX 这样的流解析器，因为预期的容量（每几分钟 1200 个）。此外，在他开始解析之前，他不知道任何单个 xml 的格式，因此基于 DTD 的解决方案无效！
我同意 DTD 是一个很大的问题，但请记住，JAXB 也可以绑定子树，给定一个 Stax XMLStreamReader；此外，Java POJO 的内存要轻得多，通常占用的空间比原始 XML（或 DOM，它是 XML 本身占用的 3 到 5 倍！）要少得多。所以使用带有注释 POJO 的 JAXB 是非常合理的

【解决方案6】：

如果您想要更动态的处理，Stax 方法可能会比 Sax 更好。这仍然是相当低级的；如果你想要更简单的方法，XStream 和 JAXB 是我的最爱。但它们确实需要非常严格的对象才能映射到。

【讨论】：

【解决方案7】：

同意 StaxMan，有趣的是，他希望你使用 Stax。它是一个基于拉的解析器，而不是您当前使用的推。不过，这需要对您的代码进行一些重大更改。

【讨论】：

【解决方案8】：

:-)

是的，我对 Stax 有一些偏见。但正如我所说，数据绑定通常比流式解决方案更方便。但是，如果它是您想要的流式传输，并且不需要流水线（多个过滤阶段），Stax 比 SAX 更简单。

还有一件事：与 XOM 一样好（wrt 替代品），如果您不处理“以文档为中心”的 xml（~= xhtml 页面、docbook、open office docs），树模型通常不是正确的选择）。对于数据交换、配置文件等数据绑定更方便、更高效、更自然。对于这些用例，只需对像 DOM 这样的树模型说不。所以，JAXB、XStream、JibX 都很好。或者，为了获得更多的口味，消化器、蓖麻、xmlbeans。

【讨论】：

【解决方案9】：

VTD-XML 以作为重型 XML 处理的最佳 XML 处理技术而闻名。请参阅下面的参考以获取证明

http://sdiwc.us/digitlib/journal_paper.php?paper=00000582.pdf

【讨论】：