快速理解使用DOM解析简单的XML文档

1. xml DOM中的节点类型

   首先介绍一些XML的节点类型，你可以不必全部细看，可以重点了解Element节点和Text节点。如下图1所示，为XML文档的12中节点类型。

图1：XML文档节点类型

在DOM中除了上面的12种节点类型外，还有一个抽象公共基类就是Node，代表节点的抽象。Node可以代表图1中的任何一种节点类型。Node类抽象了一些基本的操作，例如获得节点的类型、节点的名称、节点的值等。

对于一个节点（Node）最重要的3个属性就是nodeName(节点名称),nodeValue(节点值),nodeType(节点类型)。而我们最常用的3个节点就是Element节点,Text节点和Attr节点，对于Attr节点一般很少单独使用，都是用Element节点直接获取属性值。Element是可以嵌套的，所以一般都是以Element为中心来处理xml文件。

Element：

<property name="content">hello world</property>代表一个Element节点，它包含一个Text类型的子节点。

Attr：

Element节点<property environment="env"/>中的environment="env"就是一个Attr节点

Text：

Text元素比较特殊，一般是其他节点和节点之间的元素，例如：

<property name="content">hello world</property>

  bbb

  <!-- 这是注释 -->

中的Text元素就是Element节点和Comment节点之间的元素（行结束符bbb行结束符）在windows中的行结束符是\r\n。

Comment：

<!-- 这是注释 -->

上面介绍的是比较抽象的，下面通过一个实例来说明一下：

import java.io.IOException;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;
 
import org.w3c.dom.Attr;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
import org.xml.sax.SAXException;
 
public class StudyDom
{
         private static final String XML = "E:\\trayvon\\note\\client.xml";
         public static void main(String[] args)
         {
                   testNode();
         //      testElement();
         }
         private static Document init()
         {
                   DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
                   DocumentBuilder builder = null;
                   Document doc = null;
                   try
                   {
                            builder = factory.newDocumentBuilder();
                   } catch (ParserConfigurationException e)
                   {
                            e.printStackTrace();
                   }
                  
                   try
                   {
                            doc = builder.parse(XML);
                   } catch (SAXException | IOException e)
                   {
                            e.printStackTrace();
                   }
                   return doc;
         }
         public static void testElement()
         {
                   Document doc = init();
                   Element root = doc.getDocumentElement();
                   Attr attr = root.getAttributeNode("name");
                   System.out.println(attr);
                   System.out.println(root.getAttribute("name"));//获取属性名称为name的值
                   System.out.println(root.getTagName());
                   System.out.println(root.getNodeName());//获取节点的名称
                   System.out.println(root.getNodeValue());//Element节点的nodeValue为null
                   System.out.println(root.getNodeType());//Element节点的nodeType值为1
         }
         public static void testNode()
         {
                   Document doc = init();
                   Element root = doc.getDocumentElement();
                   NodeList childNodes = root.getChildNodes();
                   System.out.println(childNodes.getLength());
                   for(int i=0;i<childNodes.getLength();i++)
                   {
                            Node item = childNodes.item(i);
                            System.out.println("nodeType:"+item.getNodeType()+"  nodeName:"+item.getNodeName()+"  nodeValue:"+item.getNodeValue());
                   }
         }
}

 

其中client.xml的类容如下：

<?xml version="1.0"?>
<project basedir="../" name="forumclient" default="dist">
  aaa
  <property environment="env"/>
  <property name="src" value="src/client"/>
  <property name="content">hello world</property>
  bbb
  <!-- 这是注释 -->
</project>

testNode的输出为：

9
nodeType:3  nodeName:#text  nodeValue:
  aaa
 
nodeType:1  nodeName:property  nodeValue:null
nodeType:3  nodeName:#text  nodeValue:
 
nodeType:1  nodeName:property  nodeValue:null
nodeType:3  nodeName:#text  nodeValue:
 
nodeType:1  nodeName:property  nodeValue:null
nodeType:3  nodeName:#text  nodeValue:
  bbb
 
nodeType:8  nodeName:#comment  nodeValue: 这是注释 
nodeType:3  nodeName:#text  nodeValue:

其中nodeType为1表示是Element节点，nodeType为3表示是Text节点，具体的对于关系参见图4。nodeName和nodeValue的值对应关系参见图3。

为了更加清晰的弄清楚输出的含义，请看下图2：

图2：XML文档的节点示意图

testNode首先是从整个文档中获得一个Element节点，这个是一个nodeNamea为project的节点也是根节点。然后输出的是该根节点的所有子节点。如上图2所示一共9个子节点，所有子节点的长度为9。

从上图2也可以意会一些出节点的划分方式，值得注意和强调的是Element节点是可嵌套的，<property name="content">hello world</property>这个Element节点就是一个嵌套节点，如果要得到hello world不能直接通过Element的节点的getNodeValue来取的，因为Element节点的getNodeValue返回值是空。取而代之的是通过Element获得它的Text子节点，在通过Text节点的getNodeValue来获得其值。

图3：XML节点的nodeName与nodeValue

 

图4：XML DOM节点类型对应的常量

总结：在使用DOM解析XML文档是最常使用的就是Element节点，Text节点。一定要注意的就是不要使用Element节点来获取节点的值，因为这种方式很直观所以我们很容易这样做，取而代之的是用Element来取属性值和子节点的集合，用Text节点来获取值。

在另一篇文章使用DOM解析简单的XML文档实例中我们通过使用DOM来解析ant配置文件和pom配置文件中的jar包来说明怎样使用Element节点和Text节点。

 

XML DOM 节点类型（Node Types）：http://www.w3school.com.cn/xmldom/dom_nodetype.asp

Entity: http://www.ibm.com/developerworks/cn/xml/x-entities/