Java开发笔记（一百零九）XML报文的定义和解析

前面介绍了json格式的报文解析，虽然json串短小精悍，也能有效表达层次结构，但是每个元素只能找到对应的元素值，不能体现更丰富的样式特征。比如某个元素除了要传输它的字符串文本，还想传输该文本的类型、字体大小、字体颜色等特征，且这些额外的风格样式与业务逻辑无关，自然不适合为它们单独设立参数字段。倘若采用json格式定义包括样式特征在内的文本元素，要么摒弃风格样式这种附加属性，要么将风格样式单列为专门的字段参数，然而不管哪种做法，都未能妥善解决附加属性的表达问题。可见轻量级的json格式依然存在力不从心的情况，为此人们早早发明了拥有强大表示能力的xml格式，xml的全称是“extensible markup language”（可扩展标记语言），它不但支持结构化数据的描述，还支持各类附加属性的定义，非常适合在网络中传输信息。
下面先看一个xml报文格式的购物订单样例：

<?xml version="1.0" encoding="gbk"?>
<order>
	<user_info>
	<name type="string">思无邪</name>
	<address type="string">桃花岛水帘洞123号</address>
	<phone type="string">15960238696</phone>
	</user_info>
	<goods_list>
		<goods_item>
			<goods_name type="string">mate30</goods_name>
			<goods_number type="int">1</goods_number>
			<goods_price type="double">8888</goods_price>
		</goods_item>
		<goods_item>
			<goods_name type="string">格力*空调</goods_name>
			<goods_number type="int">1</goods_number>
			<goods_price type="double">58000</goods_price>
		</goods_item>
		<goods_item>
			<goods_name type="string">红蜻蜓皮鞋</goods_name>
			<goods_number type="int">3</goods_number>
			<goods_price type="double">999</goods_price>
		</goods_item>
	</goods_list>
</order>

 

接着对上面的xml样例庖丁解牛，分析一下xml格式都有哪些特点，分析结果罗列如下：
1、每个元素依然由参数名称和参数值组成，参数名称为尖括号所包裹，且分为标记头与标记尾两部分，标记尾在尖括号内部多了个斜杆。如此一来，一个字段的完整形式为“<参数名称>参数值</参数名称>”。
2、因为每个元素都自带标记头与标记尾，很容易区分在哪开始在哪结束，所以元素之间无需额外的分隔符，只要有标记头与标记尾就足够辨别了。
3、每个结构也需要专门的标记头与标记尾，中间再填入若干元素或者其它结构。
4、对于数组形式的数据，xml报文采用多个同名的结构标记并排列举，表示这里存在同名结构的数组信息，也可看作是清单信息。
5、xml格式允许在报文开头的encoding属性处指定当前报文的字符编码类型，常见的有汉字内码规范gbk，以及世界通用编码规范utf-8。
6、每个结构或者元素节点，也支持在标记头部分填充附加属性，用于指定参数值以外的特定信息。
大致了解了xml报文的格式规范，还得在程序中加以解析才行。传统的xml解析方式有dom和sax两种，dom方式会把整个xml报文读进来，并且所有节点全被自动加载到一个树状结构，以后每个节点值都到该树状结构中读取。sax方式不会事先读入整个xml报文，而是根据节点名称从报文起点开始扫描，一旦找到该节点的标记头位置，即刻往后寻找该节点的标记尾，那么节点标记头尾之间的数据便是节点值了。单就某个节点值的解析过程而言，加载所有节点的dom方式显然较费功夫，从头顺序查找的sax方式执行效率更高。但若要求同时获取多个节点的数值，则采取树状结构遍历的dom方式总体性能更加，而每次都从头找起的sax方式无疑做了重复劳动。总之两种方式的解析效果各有优劣，需要按照实际场景决定取舍。
尽管jdk集成了dom与sax的解析工具，其中dom解析工具封装在包org.w3c.dom中，sax解析工具封装在包javax.xml.parsers中，可是它俩用起来着实费劲，解析过程艰深晦涩，实际开发当中基本不予采用。应用比较多的xml解析工具反而是第三方的dom4j，dom4j的解析方式遵循dom规则，但比起java自带的dom工具要易用得多，其性能也很优异，几乎成为java开发必备的xml解析神器了。通过dom4j解析xml报文的步骤主要有下列五步：
1、创建saxreader阅读器对象；
2、把字符串形式的xml报文转换为输入流对象；
3、命令阅读器对象从输入流中读取document文档对象；
4、获得文档对象的根节点element；
5、从根节点往下依次解析每个层级的节点值；
在具体的节点解析过程之中，会频繁调用element的相关方法，它的常用方法说明如下：
gettext：获得当前节点的字符串值。
element：获得当前节点下面指定名称的子节点对象。
elementtext：获得当前节点下面指定名称的子节点值。
elements：获得当前节点下面指定名称的子节点清单。
attribute：获得当前节点自身指定名称的属性对象。
attributevalue：获得当前节点自身指定名称的属性值。
attributes：获得当前节点拥有的全部属性清单。

仍以前述的xml报文为例，下面是采用dom4j解析该xml串的代码例子：

	// 通过dom4j解析xml串
	private static goodsorder testparserbydom4j(string xml) {
		goodsorder order = new goodsorder(); // 创建一个购物订单对象
		// 创建saxreader阅读器对象
		saxreader reader = new saxreader();
		// 根据字符串构建字节数组输入流
		try (inputstream is = new bytearrayinputstream(xml.getbytes(charset))) {
			// 命令阅读器从输入流中读取文档对象
			document document = reader.read(is);
			// 获得文档对象的根节点
			element root = document.getrootelement();
			// 获取根节点下面名叫user_info的节点
			element user_info = root.element("user_info");
			// 获取user_info节点下面名叫name的节点值
			order.user_info.name = user_info.element("name").gettext();
			// 获取user_info节点下面名叫address的节点值
			order.user_info.address = user_info.element("address").gettext();
			// 获取user_info节点下面名叫phone的节点值
			order.user_info.phone = user_info.element("phone").gettext();
			system.out.println(string.format("用户信息如下：姓名=%s，地址=%s，手机号=%s", 
					order.user_info.name, order.user_info.address, order.user_info.phone));
			// 获取根节点下面名叫goods_list的节点清单
			list<element> goods_list = root.element("goods_list").elements();
			for (int i=0; i<goods_list.size(); i++) { // 遍历商品节点清单
				element goods_item = goods_list.get(i);
				goodsitem item = new goodsitem(); // 创建一项商品对象
				// 获取当前商品项节点下面名叫goods_name的节点值
				item.goods_name = goods_item.element("goods_name").gettext();
				// 获取当前商品项节点下面名叫goods_number的节点值
				item.goods_number = integer.parseint(goods_item.element("goods_number").gettext());
				// 获取当前商品项节点下面名叫goods_price的节点值
				item.goods_price = double.parsedouble(goods_item.element("goods_price").gettext());
				system.out.println(string.format("第%d个商品：名称=%s，数量=%d，价格=%f", 
						i+1, item.goods_name, item.goods_number, item.goods_price));
				order.goods_list.add(item); // 往商品清单中添加指定商品对象
			}
		} catch (exception e) {
			e.printstacktrace();
		}
		return order; // 返回解析后的购物订单对象
	}

 

运行以上的解析代码，观察到以下的购物订单日志，可见成功实现了xml串到对象的解析操作：

用户信息如下：姓名=思无邪，地址=桃花岛水帘洞123号，手机号=15960238696
第1个商品：名称=mate30，数量=1，价格=8888.000000
第2个商品：名称=格力*空调，数量=1，价格=58000.000000
第3个商品：名称=红蜻蜓皮鞋，数量=3，价格=999.000000

除了解析各节点的节点值，dom4j还能解析各节点的属性值，若想正常解析指定名称的属性值，则需明确下列三个要素：该属性的上级节点对象、该属性所在节点的节点名称，该属性的属性名称。有了这三个要素，即可通过以下方法从指定节点的指定属性成功获取属性值：

	// 打印指定节点名称的指定属性值
	private static void printvalueandattr(element parent, string node_name, string attr_name) {
		// 获取父节点下面指定名称的子节点
		element element = parent.element(node_name);
		// 获得子节点的节点值
		string node_value = element.gettext();
		string attr_value = "";
		// 根据属性名称获取子节点的对应属性对象
		attribute attr = element.attribute(attr_name);
		if (attr != null) {
			attr_value = attr.gettext(); // 获取该属性的属性值
		}
		// 打印子节点的详细信息，包括节点名称、节点值、属性名称、属性值
		system.out.println(string.format("节点名称=%s, 节点值=%s, 属性名称=%s, 属性值=%s", 
				node_name, node_value, attr_name, attr_value));
	}

 

接下来在原先的xml解析代码里补充如下的一行属性解析代码：

			// 打印user_info节点的name子节点的type属性值
			printvalueandattr(user_info, "name", "type");

 

再次运行xml解析代码，在输出的购物订单日志中观察到多了下面这行日志，表示解析到了name节点的type属性值：

节点名称=name, 节点值=思无邪, 属性名称=type, 属性值=string

　　

更多java技术文章参见《java开发笔记（序）章节目录》