android xml解析-优快云博客

本文链接：https://blog.youkuaiyun.com/iteye_20037/article/details/82122050

本文详细介绍了XML的基本构成及其解析方法，包括DTD与Schema约束、命名空间的使用、推式与拉式解析器的区别，并深入探讨了Java ME环境中XmlPullParser的具体应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[b][size=medium]xml相关参考[/size][/b]
xml规范：[url]http://www.w3.org/TR/REC-xml/[/url]
Xerces-J sax解析器的一篇教程：[url]http://terpconnect.umd.edu/~zhangx/xml/html/xmlprog/xercessax/briefintro.html[/url]

[b][size=medium]xml的组成：[/size][/b]
[b]xml声明[/b]
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
version：xml的版本，一般都是1.0
encoding：xml的使用的编码，一般都是UTF-8
standalone：表示该文档是否依赖于其他的文档（即是否include了其他的文档）。include了就是no，没有时就是yes（默认是没有的）。

[b]DOCTYPE声明[/b]
<!DOCTYPE yuan SYSTEM "DTDs/yuan.dtd">
文档声明引用的是文件时（这里就是DTDs/yuan.dtd）（相对路径、绝对路径或由url标识指定的文件）就使用SYSTEM关键字

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
文档声明引用的是文档标识符时（由公共组织定义的公认的标识符，如W3C定义的），就使用PUBLIC关键字。

这边还在文档标识符后加了url标识的dtd文件，就是在文档标识符无法识别时备用的。

[b]processing instruction[/b]
<?xml-stylesheet href="XSL/yuan.html.xsl" type="text/xsl"?>
xml样式表指令。这里不做具体的介绍，只是知道下processing instruction在xml中是这么个东西。看api时也好理解一些。

[b]xml元素（就是经常看到的标签）。[/b]
如在html中经常看到的就是：
<div></div> // 仅有名称的标签
<img /> // 自关闭标签
<a href=""></a> // 带有属性的标签

[b]文本内容[/b]
就是在根标签内间的文本内容。（xml规范规定xml的内容必须在根标签内）
如：
<root>
text1
<tag1>text2</tag1>
<tag2>
<tag3>text3</tag3>
</tag2>
</root>

[b]entity reference实体引用[/b]
在配置java环境变量时，就有一个类似的实体引用。比如我们会配置：JAVA_HOME：c:\java\jdk1.6.20，然后在path变量中加入：%JAVA_HOME%\bin;。这就是一个实体引用，就是把JAVA_HOME处的值替换过来。

xml中的实体引用的语法是：&[实体名];（windows的环境变量中的语法是%[实体名]%）。xml中也预定义了几个可被引用的实体名：就是lt(<), gt(>), amp(&), quot("), apos(')。

[b]CDATA section[/b]
xml规范中规定，这部分的内容不需要（解析器）做任何的处理，就按它原来的内容显示。只要将这部分的内容需要放入<![CDATA[ 内容处 ]]>中就可以了。
<![CDATA[ <div></div> < > & ]]> 里面的内容不会被进行任何的处理。

[b]注释[/b]
xml中使用来注释内容。
如：

[b][size=medium]xml中的相关术语：[/size][/b]
[b]dtd、schema：[/b]
两种文档约束语言，是用来写xml文档规则的。就是通过它们可以规定一个xml中可以使用哪些标签，哪些标签分别有哪些属性，哪个标签可以出现在哪个标签内部等一系列的规则。

[b]well-formed：[/b]遵守xml规范的xml文档就是well-formed的。
[b]valid：[/b]遵守dtd、schema约束的就是valid的。

[b]命名空间：[/b]
命名空间的作用是用来区别有着相同名字，但却具有不同功能的东西。和编程语言的命名空间应该是差不多的功能。比如：同样的叫XmlParser，可能一个是来自java标准库的javax.xml.XmlParser（仅仅是举例）；另一个是来自apache的（org.apache.XmlParser）。
xml规范规定，需要使用一个唯一的URI和其缩写来指定命名空间。同时，每个xml文档都具有一个默认的命名空间（即不指定时）

// 默认命名空间的一个元素
<yuanzhifei89
xmlns:java="http://yuanzhifei89.iteye.com/javax/xml"
xmlns:apache="http://yuanzhifei89.iteye.com/org/apache">
// java命名空间的解析器去解析该xml
<apache:XmlParser>d:\file.xml</apache:XmlParser>

// apache命名空间的解析器去解析该xml
<java:XmlParser>d:\file.xml</java:XmlParser>
</yuanzhifei89>

[b]推式解析器和拉式解析器[/b]
推式解析器是一种主动类型的解析器，它在解析xml的过程中，会将解析到的东西主动的推送给我们。比如，在解析到<div>这种时，它就会发给我们一个startTag的事件；同时整个解析过程都是全自动的（即必须从xml开始到xml结束）。

拉式解析器与其相对，是一种被动的解析器，我们想要什么东西得向它去请求才行。比如，我们想要<div>这种时，必须不断的去next()来找到该事件；同时它的整个解析过程是被动的，我们想解析到哪就解析到哪。

[b][size=medium]专为JavaME等移动设备设计的解析api[/size][/b]
该部分api主要在org.xmlpull.v1包下，主要有以下几个类或接口：
XmlPullParser：该接口定义了XMLPULL V1 API中需要的解析功能。
XmlSerializer：该接口定义了序列化xml的需要的方法。

XmlPullParserFactory：Xml解析器工厂类。一般都是用该工厂来创建解析器实例，这样在需要时切换为想要的解析器实现类。
XmlPullParserException：不需多解释，异常最好理解。在解析过程中遇到非正常情况就会抛出该异常。

[b]使用XmlPullParser解析xml[/b]
XmlPullParser是一种拉式解析器，所有的事件必须我们自己去请求。

[b]当我们不断的请求XmlPullParser事件时，会获取到的事件类型[/b]
DOCDECL
读到document type declaration时（就是<DOCTYPE），就报告该事件。

PROCESSING_INSTRUCTION
处理指令。看上面的xml组成中有介绍什么是处理指令。

CDSECT
读到CDATA Section就报告该事件

COMMENT
读到注释时就报告该事件

IGNORABLE_WHITESPACE
可忽略的空白。在没用dtd约束文档时，IGNORABLE_WHITESPACE只会出现在根元素外面；对于有dtd约束的文档，空白由dtd约束文档定义。（dtd约束文档就是在DOCTYPE中指定的那个文件，它规定了可以在xml出现什么标签、以及标签可以出现在哪等）

START_DOCUMENT
xml刚开始时，报告该事件

END_DOCUMENT
xml结束时，就报告该事件

START_TAG
读到开始标签时，就报告该事件。如：读到<div>这种时

END_TAG
读到结束标签时，就报告该事件。如：读到</div>这种时

TEXT
读到内容时，就报告该事件。如：读到<div>内容</div>，标签间的内容时

[b]xml的解析过程就是不断的请求事件，然后根据相应的事件做相应的处理[/b]
XmlPullParser中提供的获取事件的方法：
next();
主要是用于返回比较高层的事件的。其中包括：START_TAG, TEXT, END_TAG, END_DOCUMENT

nextToken();
能够返回所有的事件。

对于一般的解析，只需要用到XmlPullParser的几个获取值的api就够了：
getName();
该api只有在当前的事件为START_TAG（返回标签名），END_TAG（返回标签名）和ENTITY_REF（返回实体引用名）。其它的事件都返回null。

getText();
该api只有在当前的事件为TEXT（返回文本内容），ENTITY_REF（返回实体引用引用的内容），CDSECT（返回其内部的内容），COMMENT（返回注释内容）。其它的事件一般都返回null。

nextText();
该api的正常执行是由条件的：要当前的事件为START_TAG，接下来两个事件为(TEXT), END_TAG。如果不满足就会抛异常（即：TEXT后再出现TEXT也是不行的）。如果当前事件为START_TAG，下一个为TEXT，则返回文本内容；如果下一个是END_TAG，则返回""，同时将事件置为END_TAG。

[b]一般用途的解析[/b]
一般像微博这种，用xml作为数据交换时。返回的xml格式是很紧凑的（便于解析）：
<root><data><create>8</create><fans>4</fans><home>9</home><mentions>0</mentions><private>0</private></data><errcode>0</errcode><msg>ok</msg><ret>0</ret></root>


<!-- 便于阅读的格式 -->
<root>
	<data>
		<create>8</create>
		<fans>4</fans>
		<home>9</home>
		<mentions>0</mentions>
		<private>0</private>
	</data>
	<errcode>0</errcode>
	<msg>ok</msg>
	<ret>0</ret>
</root>


XmlPullParserFactory parserFactory = XmlPullParserFactory.newInstance();
XmlPullParser parser = parserFactory.newPullParser();
// 因为xml仅仅是数据，没有xml声明，doctype这种，所以不需要做任何设置，直接解析即可
FileReader reader = new FileReader(xmlFile);
parser.setInput(reader);

// 该解析器是拉式解析器，所以只有靠我们自己去获取事件
// 当遇到END_DOCUMENT事件时，就可以结束事件的获取了，所以：
int eventType = 0;
String tagName = null;
while ((eventType = parser.next()) != XmlPullParser.END_DOCUMENT) {
	if (eventType == XmlPullParser.START_TAG) {
		tagName = parser.getName();

		// 正常情况下，已知的标签是START_TAG + TEXT + END_TAG的。
		// 意外情况（比如服务器返回的xml不完整），此时就应该抛异常，所以这里就按照正常的逻辑写代码好了
		if ("create".equals(tagName)) {
			// setCreateNum(parser.nextText());
		} else if ("fans".equals(tagName)) {
			// setFansNum(parser.nextText());
		} else if ("home".equals(tagName)) {
			// setHomeNum(parser.nextText());
		} else if ("mentions".equals(tagName)) {
			// setMentions(parser.nextText());
		} else if ("private".equals(tagName)) {
			// setPrivateNum(parser.nextText());
		} else {
			// unknown or new tag, just pass it
		}
	}
}

[b]XmlPullParser其它api的使用[/b]
// property, feature相关方法
setFeature(String featureName, boolean state);
setProperty(String propertName, Object value);
getFeature(String featureName);
getProperty(String propertyName);

// xml读取方法
setInput(Reader in);
setInput(InputStream inputStream, String inputEncoding);

// 事件请求方法
next();
nextToken();
nextTag();
nextText();

// 其它相关方法
require(int eventType, String namespace, String name);
确定eventType是否和getEventType()相同，namespace是否和getNamespace()相同，name是否和getName()相同，有一个不同就抛异常。后两个可以为null（即忽略）。

getInputEncoding();
获取输入xml的encoding。如果能确定则返回编码，否则返回null。

// 事件类型都已int返回，要知道以文本方式显示的话可以这样
int eventType = parser.getEventType();
String evtTypeText = XmlPullParser.TYPES[eventType];

// 其它方法见示例：
要读取的xml文件：


<?xml version="1.0" encoding="UTF-8"?>
<persons
	xmlns:yd="http://www.china-mobile.com"
	xmlns:lt="http://www.china-unicome.com">
	some_content
	<person index="1">
		<name>yuanzhifei89</name><age>100</age><married>false</married>
		<!-- 移动号码 --><yd:phone yd:id="amj08102">12345678</yd:phone>
		<!-- 联通号码 --><lt:phone lt:id="cmk35203">87654321</lt:phone>

		<![CDATA[<> <div>]]><
	</person>
</persons>

解析代码：从文档开始，一个事件一个事件解析到文档结束，基本涉及了所有api了。
因为有些api只有在特定的事件上才有返回值，所以有些调用只在部分标签处使用。


// 创建xml解析器
XmlPullParser parser = mFactory.newPullParser();
parser.setInput(new FileReader(xmlFile));

// 因为使用的xml涉及了命名空间，所以启用命名空间
parser.setFeature(XmlPullParser.FEATURE_PROCESS_NAMESPACES, true);

int eventType = 0;

// xml和person间的IGNOREABLE_WHITESPACE
eventType = parser.nextToken();
parser.isWhitespace(); // IGNOREABLE_WHITESPACE总是为whitespace

// 返回这两个前缀对应的命名空间uri，但此时还未解析到命名空间部分，所以均返回null
parser.getNamespace("lt");
parser.getNamespace("yd");

// 起始标签<persons>
eventType = parser.nextToken();
parser.getAttributeCount(); // 0，persones标签没有属性

// 命名空间已解析
parser.getNamespace("lt"); // http://www.china-unicome.com
parser.getNamespace("yd"); // http://www.china-mobile.comp

// <persons>和<person>间的text（空白也算在text内容中）
eventType = parser.nextToken();
parser.isWhitespace(); // false，只要含有非空白字符就不是whitespace

// 起始标签<person>
eventType = parser.nextToken();

// <person>和<name>间的text
eventType = parser.nextToken();
parser.isWhitespace(); // true

// 起始标签<name>
eventType = parser.nextToken();
parser.getLineNumber(); // 第7行
parser.getColumnNumber(); // 第9列

// name标签中的text：yuanzhifei89
eventType = parser.nextToken();

// 结束标签</name>
eventType = parser.nextToken();

// 起始标签<age>
eventType = parser.nextToken();
parser.getNamespace(); // ""，age没有命名空间
parser.isEmptyElementTag(); // false，age并不是<age/>这种空标签
parser.getDepth(); // 3，<persons>一层，<person>二层，到它就是三层
parser.getNamespaceCount(parser.getDepth()); // 2，到三层为止解析到了2个命名空间
// age标签中的text：100
eventType = parser.nextToken();
// 结束标签</age>
eventType = parser.nextToken();

// 开始标签<married>
eventType = parser.nextToken();
// 标签married间的text：false
eventType = parser.nextToken();
// 结束标签</married>
eventType = parser.nextToken();

// </married>和<!-- 之间的text
eventType = parser.nextToken();

// COMMENT备注内容
eventType = parser.nextToken();

// 开始标签<yd:phone>
eventType = parser.nextToken();
parser.getAttributeCount(); // 1，它有一个属性
parser.getNamespace(); // http://www.china-mobile.com，它是该命名空间下的元素
parser.getPrefix(); // yd，命名空间前缀是yd
parser.getAttributeName(0); // id，第1个属性的名称
parser.getAttributeNamespace(0); // http://www.china-mobile.com，属性也在该命名空间下
parser.getAttributePrefix(0); // yd，所以前缀也一样
parser.getAttributeValue(0); // amj08102，属性值
parser.getDepth(); // 3，和<age>一样，<persons>一层，<person>二层，到它是三层
parser.getNamespaceCount(parser.getDepth()); // 2，到三层为止解析到了2个命名空间
// 标签<yd:phone>间的text：12345678
eventType = parser.nextToken();
// 结束标签</yd:phone>
eventType = parser.nextToken();

// </yd:phone>和<!--间的text
eventType = parser.nextToken();
parser.getName(); // phone，启用命名空间时返回phone；如果不启用会返回yd:phone

// COMMENT 备注内容
eventType = parser.nextToken();
parser.getText(); // 备注内容

// 开始标签<lt:phone>
eventType = parser.nextToken();
// 标签<lt:phone>间的内容
eventType = parser.nextToken();
// 结束标签</lt:phone>
eventType = parser.nextToken();

// </lt:phone>和<![CDATA[[]]>间的text
eventType = parser.nextToken();

// CDSECT：CDATA内容
eventType = parser.nextToken();
parser.getName(); // null
parser.getText(); // CDATA内容

// 实体引用lt
eventType = parser.nextToken();
parser.getName(); // 实体引用名lt
parser.getText(); // 所引用的内容<

// 实体引用lt和</person>间的text
eventType = parser.nextToken();

// 结束标签</person>
eventType = parser.nextToken();

// </person>和</persons>间的text
eventType = parser.nextToken();

// 结束标签</persons>
eventType = parser.nextToken();

// 文档结束