Java与XML联合编程之SAX篇

SAX概念

SAX是Simple API for XML的缩写，它并不是由W3C官方所提出的标准，可以说是“民间”的事实标准。实际上，它是一种社区性质的讨论产物。虽然如此，在XML中对SAX的应用丝毫不比DOM少，几乎所有的XML解析器都会支持它。

与DOM比较而言，SAX是一种轻量型的方法。我们知道，在处理DOM的时候，我们需要读入整个的XML文档，然后在内存中创建DOM树，生成DOM树上的每个Node对象。当文档比较小的时候，这不会造成什么问题，但是一旦文档大起来，处理DOM就会变得相当费时费力。特别是其对于内存的需求，也将是成倍的增长，以至于在某些应用中使用DOM是一件很不划算的事（比如在applet中）。这时候，一个较好的替代解决方法就是SAX。

SAX在概念上与DOM完全不同。首先，不同于DOM的文档驱动，它是事件驱动的，也就是说，它并不需要读入整个文档，而文档的读入过程也就是SAX的解析过程。所谓事件驱动，是指一种基于回调（callback）机制的程序运行方法。（如果你对Java新的代理事件模型比较清楚的话，就会很容易理解这种机制了）

在XMLReader接受XML文档，在读入XML文档的过程中就进行解析，也就是说读入文档的过程和解析的过程是同时进行的，这和DOM区别很大。解析开始之前，需要向XMLReader注册一个ContentHandler，也就是相当于一个事件监听器，在ContentHandler中定义了很多方法，比如startDocument()，它定制了当在解析过程中，遇到文档开始时应该处理的事情。当XMLReader读到合适的内容，就会抛出相应的事件，并把这个事件的处理权代理给ContentHandler，调用其相应的方法进行响应。

这样泛泛的说来或许有些不容易理解，别急，后面的例子会让你明白SAX的解析过程。看看这个简单XML文件：

<POEM>

<AUTHOR>Ogden Nash</AUTHOR>

<TITLE>Fleas</TITLE>

<LINE>Adam</LINE>

</POEM>

当XMLReader读到<POEM>标签时，就会调用ContentHandler.startElement()方法，并把标签名POEM作为参数传递过去。在你实现的startElement()方法中需要做相应的动作，以处理当<POEM>出现时应该做的事情。各个事件随着解析的过程（也就是文档读入的过程）一个个顺序的被抛出，相应的方法也会被顺序的调用，最后，当解析完成，方法都被调用后，对文档的处理也就完成了。下面的这个表，列出了在解析上面的那个XML文件的时候，顺序被调用的方法：

遇到的项目    方法回调

{文档开始}    startDocument()

<POEM>        startElement(null,"POEM",null,{Attributes})

"\n"          characters("<POEM>\n…", 6, 1)

<AUTHOR>      startElement(null,"AUTHOR",null,{Attributes})

"Ogden Nash"  characters("<POEM>\n…", 15, 10)

</AUTHOR>     endElement(null,"AUTHOR",null)

"\n"          characters("<POEM>\n…", 34, 1)

<TITLE>       startElement(null,"TITLE",null,{Attributes})

"Fleas"       characters("<POEM>\n…", 42, 5)

</TITLE>      endElement(null,"TITLE",null)

"\n"          characters("<POEM>\n…", 55, 1)

<LINE>        startElement(null,"LINE",null,{Attributes})

"Adam"        characters("<POEM>\n…", 62, 4)

</LINE>       endElement(null,"LINE",null)

"\n"          characters("<POEM>\n…", 67, 1)

</POEM>       endElement(null,"POEM",null)

{文档结束}    endDocument()

ContentHandler实际上是一个接口，当处理特定的XML文件的时候，就需要为其创建一个实现了ContentHandler的类来处理特定的事件，可以说，这个实际上就是SAX处理XML文件的核心。下面我们来看看定义在其中的一些方法：

void characters(char[] ch, int start, int length)：

这个方法用来处理在XML文件中读到字符串，它的参数是一个字符数组，以及读到的这个字符串在这个数组中的起始位置和长度，我们可以很容易的用String类的一个构造方法来获得这个字符串的String类：String charEncontered=new String(ch,start,length)。

void startDocument()：

当遇到文档的开头的时候，调用这个方法，可以在其中做一些预处理的工作。

void endDocument()：

和上面的方法相对应，当文档结束的时候，调用这个方法，可以在其中做一些善后的工作。

void startElement(java.lang.String namespaceURI, java.lang.String localName, java.lang.String qName, Attributes atts)

当读到一个开始标签的时候，会触发这个方法。在SAX1.0版本中并不支持名域，而在新的2.0版本中提供了对名域的支持，这儿参数中的namespaceURI就是名域，localName是标签名，qName是标签的修饰前缀，当没有使用名域的时候，这两个参数都未null。而atts是这个标签所包含的属性列表。通过atts，可以得到所有的属性名和相应的值。要注意的是SAX中一个重要的特点就是它的流式处理，在遇到一个标签的时候，它并不会纪录下以前所碰到的标签，也就是说，在startElement()方法中，所有你所知道的信息，就是标签的名字和属性，至于标签的嵌套结构，上层标签的名字，是否有子元属等等其它与结构相关的信息，都是不得而知的，都需要你的程序来完成。这使得SAX在编程处理上没有DOM来得那么方便。

void endElement(java.lang.String namespaceURI, java.lang.String localName, java.lang.String qName)

这个方法和上面的方法相对应，在遇到结束标签的时候，调用这个方法。

因为ContentHandler是一个接口，在使用的时候可能会有些不方便，因而，SAX中还为其制定了一个Helper类：DefaultHandler，它实现了这个接口，但是其所有的方法体都为空，在实现的时候，你只需要继承这个类，然后重载相应的方法即可。

到这儿SAX的基本知识已经差不多讲完了，下面我们来看看两个具体的例子，以更好的理解SAX地用法。