jaxp对xml的操作(JAXP的演进)

最近重新温习了Jaxp对xml的操作，在网上搜索了一些这方面的资料！觉得非常好，在此mark一下。感觉Sun的东西才是王道！英文版的资料更加好！


JAXP的演进

作者:Rahul Srivastava

Rahul Srivastava;SJTUer
原文地址:http://www.xml.com/pub/a/2005/07/06/jaxp.html
中文地址:http://www.matrix.org.cn/resource/article/43/43893_JAXP.html
关键词： JAXP XML


简介
在1998年W3CXML1.0推荐标准发布之后，XML就开始变得很流行。Sun公司就是在那时候规范Java Community Process (JCP),同时JAXP(JSR-05)的第一版在2000早些时候发布了。这个版本得到了很多工业集团的支持，譬如（以年月次序排列）BEA Systems, Fujitsu Limited, Hewlett-Packard, IBM, Netscape Communications, Oracle, and Sun Microsystems, Inc.

JAXP （全称Java API for XML Parsing）的可插拔性（pluggability）在开发社区里引起很大的轰动。这点也是JAXP的精华所在。开发人员可以编写自己的xml处理器，只要它符合JAXP的APIs，这样底层不同的xml处理器可以任意切换而不用改应用程序的代码。

那JAXP到底是什么呢？首先 这个P有点迷惑，它代表Parsing还是Processing呢？
因为JAXP1.0的时候只支持解析（parsing），所以JAXP全称应该是Java API for XML Parsing.
但在JAXP1.1的时候，XSL-T被推荐用作XML的转换（transformation）处理。很遗憾，当时W3C XLT-T的标准规范（specification）里没有提供任何用来转换（transformation）处理的APIs。因此JAXP1.1的专家组推荐了一组APIs叫Transformation API for XML (TrAX)。
从此JAXP就叫Java API for XML Processing. JAXP通过逐步进化，支持的东西也越来越多
不仅仅是解析xml文件（譬如在解析文档的时候根据schema校验有效性，根据预解析的schema来校验文档有效性，计算XPath 表达式等等）。

由于底层用来处理xml文档的可插拔的processor是任意编写的，只要它符合JAXP的规范，因此JAXP 是一个轻量级的处理xml文件的处理APIs。（译者注：JAXP只是一个api规范而已，真正底层实现是任意的。后面会有具体介绍。）

使用JAXP来解析XML文档
JAXP支持基于对象和基于事件的两种解析方式。基于对象的解析，到目前为止只支持W3C DOM解析，JAXP的专家组可能在JAXP的将来版本中会支持J-DOM规范。基于事件的解析，只有SAX 解析模式被支持，另一个基于事件的解析模式叫Pull Parsing，本来它应该是JAXP的一部分。但是对于Pull Parsing存在有一份不同的JSR (#173)文档，也就是大家所知道的Streaming API for XML (StAX) parsing，现在我们对于那个也没什么更多的可以做了。

image
Figure 1: Various mechanism of parsing XML

使用SAX来解析XML文档
SAX APIs 是在1998年的早些时候由David Megginson提出的，目标是成为基于事件驱动的xml文档解析模式的标准API(这里你可以的到一些 SAX 的历史信息)。即使这样，SAX仍不是W3C 的REC。但毫无疑问实际中它是行业内解析XML文档的标准。

SAX 是一种基于事件的解析模式，是push-parsing原理，解析文档的时候，当遇到<opening> 标签, </closing>标签 或字符等，SAX 都会产生相应的事件（event）。一个SAX解析器解析XML文档的时候，把文档看作为一个流，依次产生相应的事件报告给已注册的content handler, org.xml.sax.ContentHandler，如果有错误，错误会报告给error handler, org.xml.sax.ErrorHandler.

如果你不注册一个error handler，那你就根本不会知道在解析XML文档的时候有没有错误产生和错误是什么。因此，在SAX解析XML文档的时候注册一个error handler是极其重要的。

如果程序需要知道有什么事件产生了（并且想处理此事件），那你必须实现org.xml.sax.ContentHandler 接口并注册给 SAX解析器。一个典型的事件被触发的顺序是
startDocument, startElement, characters, endElement, endDocument。
startDocument 仅仅被触发一次而且是在触发其它event之前。同样，endDocument仅仅被触发一次而且是在整个文档被成功解析之后。你可以从SAX javadocs中获取更详细的信息。

image
Figure 2: SAX Parsing XML

使用JAXP,通过SAX parse XML document的代码片断:
1 SAXParserFactory spfactory = SAXParserFactory.newInstance();
2 spfactory.setNamespaceAware(true);
3 SAXParser saxparser = spfactory.newSAXParser();
4
5 //write your handler for processing events and handling error
6 DefaultHandler handler = new MyHandler();
7
8 //parse the XML and report events and errors (if any) to the handler
9 saxparser.parse(new File("data.xml"), handler);

文档对象模型解析
DOM 解析是基于对象的原理，当用DOM解析XML文档时它会在内存中生成一个树形的结构来表示一个XML文档。树上的每个节点代表着XML文档中的一个节点。如果一个DOM解析器符合W3C标准，那它产生的DOM就是W3C的DOM，使用org.w3c.dom APIs就能遍历和修改这个DOM。

大部分DOM解析器允许你抽取XML文档里的一部分来生成DOM树，而不是把整个XML文档在内存中建立对应DOM树。

image
Figure 3: DOM Parsing XML


使用JAXP, 通过DOM parse XML document的代码片断:
1 DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
2 dbfactory.setNamespaceAware(true);
3 DocumentBuilder domparser = dbfactory.newDocumentBuilder();
4
5 //parse the XML and create the DOM
6 Document doc = domparser.parse(new File("data.xml"));
7
8 //to create a new DOM from scratch -
9 //Document doc = domparser.newDocument();
10
11 //once you have the Document handle, then you can use
12 //the org.w3c.dom.* APIs to traverse or modify the DOM

在校验模式下进行解析
根据DTD校验
DTD 是XML 文档的语法。经常人们会觉得DTD有点另类，因为它和XML的syntax不一样，但DTD是W3C XML1.0里的完整的一部分。如果一份XML文档声明了DOCTYPE，并且想在解析的时候根据DTD校验文档，那你必须在适当的factory里启用根据DTD校验文档（validation）这个特性。例如：
1 DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
2 dbfactory.setValidating(true);
3
4 OR
5
6 SAXParserFactory spfactory = SAXParserFactory.newInstance();
7 spfactory.setValidating(true);
8

注意，如果XML文档声明了一个DTD ，即使你不启用校验（validation）这个特性，解析器总是试着去读入这个DTD。 这样做的目的是为了保证XML文档中entity reference被正确的扩展了，否则会导致格式不正确的XML文档，只有在XML文档序言部分的声明中standalone属性被置为true时，外部的DTD才会被完全忽略掉。例如：
1<?xml version="1.1" encoding="UTF-8" standalone="yes"?>

根据W3C Schema来校验XML文档(WXS)
XMLSchema 是XML文档的另外一种文法描述。XMLSchema非常流行市因为它和XML文档使用同样的语法并且提供了丰富的定义校验限制的特性。如果一个XML文档用"schemaLocation" 和"noNamespaceSchemaLocation"指向了一个schema，结下来你想启用根据XMLSchema校验文档这个特性，你还要做如下的步骤：
1.和上面说的一样，调用SAXParserFactory o或DocumentBuilderFactory的setValidating函数来启用validation这个特性。
2.把属性 "http://java.sun.com/xml/jaxp/properties/schemaLanguage" 值设为 "http://www.w3.org/2001/XMLSchema"

注意，这种情况下，即使XML文档有DOCTYPE声明，处理器仍不会用DTD来校验这个文档。但是和前面提到的一样，为了任何一个entity reference是被正确扩展的，这个DTD还是会被装载的，
既然"schemaLocation" 和"noNamespaceSchemaLocation"仅仅是提示，所以可以使用属性"http://java.sun.com/xml/jaxp/properties/schemaSource"从外部提供schemas来覆盖这些提示。
对于这个属性，一些可以接受值是：

·是一个代表schema的URL地址的字符串。
·java.io.InputStream with the contents of the schema
·org.xml.sax.InputSource
·java.io.File
·一个 java.lang.Object 的数组，数组内容是上面所提到三类中的一个。
例如:
1 SAXParserFactory spfactory = SAXParserFactory.newInstance();
2 spfactory.setNamespaceAware(true);
3
4 //turn the validation on
5 spfactory.setValidating(true);
6
7 //set the validation to be against WXS
8 saxparser.setProperty("http://java.sun.com/xml/jaxp/properties/
9 schemaLanguage", "http://www.w3.org/2001/XMLSchema");
10
11 //set the schema against which the validation is to be done
12 saxparser.setProperty("http://java.sun.com/xml/jaxp/properties/
13 schemaSource", new File("myschema.xsd"));

使用JAXP的TrAX APIs来进行XML文档转换处理工作
W3C XSL-T 定义了一些转换规则来把源树转化生成结果树。在XSL-T中，转换信息所存在的文件叫样式表（stylesheet）。要用JAXP来转换一个XML文档，你需要定义一个使用样式表来转换XML文档的转换器。创建好这样的转换器后，它把要转换的XML文档作为JAXP的source，返回转换好的结果作为JAXP的result。目前JAXP提供三种类型的source和result：
StreamSource, SAXSource, DOMSource and StreamResult, SAXResult, DOMResult, 他们是能够联合使用的。

image
Figure4: XML Transformation

从DOM中生成SAX Events:
1 //parse the XML file to a W3C DOM
2 DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
3 dbfactory.setNamespaceAware(true);
4
5 DocumentBuilder domparser = dbfactory.newDocumentBuilder();
6 Document doc = domparser.parse(new File("data.xml"));
7
8 //prepare the DOM source
9 Source xmlsource = new DOMSource(doc);
10
11 //create a content handler to handle the SAX events
12 ContentHandler handler = new MyHandler();
13
14 //prepare a SAX result using the content handler
15 Result result = new SAXResult(handler);
16
17 //create a transformer factory
18 TransformerFactory xfactory = TransformerFactory.newInstance();
19
20 //create a transformer
21 Transformer xformer = xfactory.newTransformer();
22
23 //transform to raise the SAX events from DOM
24 xformer.transform(xmlsource, result);

上面的例子中，我们创建Transformer的时候没有用到XSL。这意味着这个转换器对XML不会有任何的转换，source和result是一样的。当你实际相要用XSL来转换，你应该创建一个使用了XSL的转换器，就像下面一样：
1 //create the xsl source
2 Source xslsource = new StreamSource(new File("mystyle.xsl"));
3
4 //create the transformer using the xsl source
5 Transformer xformer = xfactory.newTransformer(xslsource);

JAXP1.3有哪些新特性？
除了支持SAX解析，DOM解析，根据DTD/ XMLSchema的校验，使用XSL-T转换，
和以前的版本相比JAXP1.3新支持的特性有：
1. XML 1.1 和XML 1.1名字空间
2. XML Inclusions - XInclude 1.0
3. 根据预解析的schema来校验文档。
4. XPath表达式的计算.
5. 以前XMLSchema 1.0, XPath 2.0 和XQuery 1.0中的某些数据类型不能被映射到java里的数据类型 ，现在可以了。

使用JAXP1.3
XML1.1主要支持的特性如下：
1．向前兼容不断增长的Unicode字符集。
2．在行结束（line-end）字符集中新添加了NEL (#x85)和Unicode行分隔符(#x2028)。

XML1.1中的变更不是向下兼容的，XML1.0中的一些well-formedness规则在
XML1.1中可能就不适用。所以XML1.1的规范是全新的而不是从XML1.0规范上升级。
为了能够使用XML1.1和XML1.1的名字空间，你必须在XML序言声明中把version属性的值设为“1.1”。例如：
1<?xml version="1.1" encoding="UTF-8" standalone="yes"?>

XInclude允许一个XML文档包含另一个XML文档，例如:
1 <myMainXMLDoc xmlns:xi="http://www.w3.org/2001/XInclude">
2 <xi:include href="fragment.xml"/>
3
4 </myMainXMLDoc>

相要使用XML inclusions特性，你必须在适当的factory里设置XInclude属性为true，就像下面代码所示：
1 DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
2 dbfactory.setXIncludeAware(true);

根据预解析的schema校验JAXP的输入源

javax.xml.validation包提供了解析schema和根据预解析的schema校验XML文档的功能。DOMSource和SAXSource是可以根据预解析的schema来被校验。如果需要可以缓存预解析的schema来达到优化的目的。必须注意到的是，根据预解析的schema校验JAXP的输入源中，StreamSource并不是被支持的源，还有schema可以是W3C XML Schema 或者是一个OASIS RELAX-NG。例如：
1 //parse an XML in non-validating mode and create a DOMSource
2 DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
3 dbfactory.setNamespaceAware(true);
4 dbfactory.setXIncludeAware(true);
5
6 DocumentBuilder parser = dbfactory.newDocumentBuilder();
7 Document doc = parser.parse(new File("data.xml"));
8
9 DOMSource xmlsource = new DOMSource(doc);
10
11 //create a SchemaFactory for loading W3C XML Schemas
12 SchemaFactory wxsfactory =
13 SchemaFactory.newInstance(XMLConstants.W3C_XML_SCHEMA_NS_URI);
14
15 //set the errorhandler for handling errors in schema itself
16 wxsfactory.setErrorHandler(schemaErrorHandler);
17
18 //load a W3C XML Schema
19 Schema schema = wxsfactory.newSchema(new File("myschema.xsd"));
20
21 // create a validator from the loaded schema
22 Validator validator = schema.newValidator();
23
24 //set the errorhandler for handling validation errors
25 validator.setErrorHandler(validationErrorHandler);
26
27 //validate the XML instance
28 validator.validate(xmlsource);

计算XPath表达式

javax.xml.xpath 包提供了根据XML文档计算XPath表达式的功能。如果一个表达式要被重用，出于性能考虑，这个XPath表达式会被编译。
顺便说一下，JAXP中的XPath 的API被设计为无状态的，这就意味着每次你要计算一个XPath表达式，你都要传入一个XML的文档。通常，很多XPath表达式是根据单个XML文档来计算的。这种情况下，如果JAXP中的XPath APIs是有状态的，XML文档只需传入一次，那样就更好了。对于底层实现来说就多了一个优化选择，可以把XML 文档源存储起来，这样就可以快速计算XPath表达式了。
一个根据XML文档计算XPath表达式得例子：
1 <?xml version="1.0"?>
2 <employees>
3 <employee>
4 <name>e1</name>
5 </employee>
6 <employee>
7 <name>e2</name>
8 </employee>
9 </employees>

1 //parse an XML to get a DOM to query
2 DocumentBuilderFactory dbfactory = DocumentBuilderFactory.newInstance();
3 dbfactory.setNamespaceAware(true);
4 dbfactory.setXIncludeAware(true);
5
6 DocumentBuilder parser = dbfactory.newDocumentBuilder();
7 Document doc = parser.parse(new File("data.xml"));
8
9 //get an XPath processor
10 XPathFactory xpfactory = XPathFactory.newInstance();
11 XPath xpathprocessor = xpfactory.newXPath();
12
13 //set the namespace context for resolving prefixes of the Qnames
14 //to NS URI, if the xpath expresion uses Qnames. XPath expression
15 //would use Qnames if the XML document uses namespaces.
16 //xpathprocessor.setNamespaceContext(NamespaceContext nsContext);
17
18 //create XPath expressions
19 String xpath1 = "/employees/employee";
20 XPathExpression employeesXPath = xpathprocessor.compile(xpath1);
21
22 String xpath2 = "/employees/employee[1]";
23 XPathExpression employeeXPath = xpathprocessor.compile(xpath2);
24
25 String xpath3 = "/employees/employee[1]/name";
26 XPathExpression empnameXPath = xpathprocessor.compile(xpath3);
27
28 //execute the XPath expressions
29 System.out.println("XPath1="+xpath1);
30 NodeList employees = (NodeList)employeesXPath.evaluate(doc,
31 XPathConstants.NODESET);
32 for (int i=0; i<employees.getLength(); i++) {
33 System.out.println(employees.item(i).getTextContent());
34 }
35
36 System.out.println("XPath2="+xpath2);
37 Node employee = (Node)employeeXPath.evaluate(doc, XPathConstants.NODE);
38 System.out.println(employee.getTextContent());
39
40 System.out.println("XPath3="+xpath3);
41 String empname = empnameXPath.evaluate(doc);
42 System.out.println(empname);

XML和java数据类型间的映射
Datatypes 在XMLSchema1.0的时候就很流行了，被很多其他XML规范所应用，像 XPath，XQuery，WSDL等。大部分的数据类型可以映射到java的基本数据类型或包装过的数据类型。其他的类型如：dataTime，duration可以被映射到新的java数据类型: javax.xml.datatype.XMLGregorianCalendar, javax.xml.datatype.Duration, and javax.xml.namespace.QName. 这样XMLSchema1.0 XPath 2.0 和XQuery 1.0中所有数据类型，JAVA中都有对应的类型存在。

从可用性角度看，如果DatatypeFactory有方法能够生成一个对应WXS中数据类型的java对象，并且这个java对象拥有方法能根据facets限制数据类型和根据值来校验数据类型，这样就非常好了。
一个使用Oracle's XDK的例子：
1 import oracle.xml.parser.schema.*;
2 . . .
3
4 //create a simpleType object
5 XSDSimpleType st = XSDSimpleType.getPrimitiveType(XSDSimpleType.iSTRING);
6
7 //set a constraining facet on the simpleType
8 st.setFacet(XSDSimpleType.LENGTH, "5");
9
10 //validate value
11 st.validateValue("hello");

底层实现间的切换
一个JAXP的实现通常包括一个默认的解析器，转换器，xpath引擎和schema校验器，
但是就像文章开始的时候所提到的那样，JAXP是一个可插拔的API，我们可以插入我们自己的处理器来替换JAXP默认的处理器。要实现这样的切换，我们可以通过设置属性javax.xml.xxx.yyyFactory的值来指定一个合格的factory的实现类。当yyyFactory.newInstance()被调用的时候，JAXP使用如下的顺序查找需要装载的具体的实现类：

1．使用javax.xml.xxx.yyyFactory属性指定的值.
2．使用 JRE 目录下lib/jaxp.properties 属性文件。Jaxp.properties文件只被读入一次，它的值会被缓存已被将来所用。如果第一次尝试去读这个文件而此文件不存在的话，以后就不会尝试着去检查此文件是否存在。jaxp.properties里面的值第一次读过之后，就不可能被修改了。
3．如果可以地话，可以使用Services API（在JAR的规范里有详细的信息）来决定哪个实现类被载入。Services API会在runtime时存在的jars的META-INF/services/javax.xml.xxx.yyyFactory里寻找那个classname。
4．使用平台默认的javax.xml.xxx.yyyFactory 实例。
javax.xml.xxx.yyyFactory 可是下面其中的一个：
javax.xml.parsers.SAXParserFactory
javax.xml.parsers.DocumentBuilderFactory
javax.xml.transform.TransformerFactory
javax.xml.xpath.XPathFactory
javax.xml.validation.SchemaFactory:schemaLanguage (schemaLanguage 是调用SchemaFactory的newInstance函数时所提供的参数)

例如：想在JAXP中使用SAX解析器，你可以用上面提到的4个方法中的任何一个把
javax.xml.parsers.SAXParserFactory设为org.apache.xerces.jaxp.SAXParserFactoryImpl。
其中的一个方法如下：
1 java -Djavax.xml.parsers.SAXParserFactory= org.apache.xerces.jaxp.SAXParserFactoryImpl MyApplicationProgram