文档出现乱码怎么回事?(文档为什么突然乱码了)
1084
2022-05-29
前言:在程序中访问和操作XML文件一般有两种模型:DOM(文档对象模型)和流模型;在本篇文章中分别对应DOM解析和SAX解析。
目录
1 .DOM解析与SAX解析的相关知识点
1.1 DOM
1.2 DOM解析
1.3 SAX解析
1.4 DOM解析与SAX解析对比
1.5 XML与HTML的区别
2.Java中关于DOM解析实战(Dom4j解析)
3.DOM方式解析XML的时候encoding属性的作用
3.SAX解析
4.JAXP简介
4.1 StAX接口
4.2 XSLT接口
1 .DOM解析与SAX解析的相关知识点
1.1 DOM
文档对象模型(Document Object Model,简称DOM),是W3C制定的标准接口规范,是一种处理HTML和XML文件的标准API。
将HTML或XML文档转化为DOM树的过程称为解析(parse)。HTML文档被解析后,转化为DOM树,因此对HTML文档的处理可以通过对DOM树的操作实现。DOM模型不仅描述了文档的结构,还定义了结点对象的行为,利用对象的方法和属性,可以方便地访问、修改、添加和删除DOM树的结点和内容。
DOM分为HTML DOM和XML DOM两种。它们分别定义了访问和操作HTML和XML文档的标准方法,并将对应的文档呈现为带有元素、属性和文本的树结构(节点树),如下图所示。
DOM树定义了HTML/XML文档的逻辑结构,给出了一种应用程序访问和处理XML文档的方法。
在DOM树中,有一个根节点,所有其他的节点都是根节点的后代。
在应用过程中,基于DOM的HTML/XML分析器将一个HTML/XML文档转换成一棵DOM树,应用程序通过对DOM树的操作,来实现对HTML/XML文档数据的操作。
来自百度百科
1.2 DOM解析
DOM是基于属性结构的XML解析方式,会将整个XML文档读入内存并构建一个DOM树,基于这棵树型结构对各个节点进行操作。XML文档中每个成分都是一个节点,整个文档是一个文档节点,每个XML标签对应一个元素节点,包含在XML标签中的文本是文本节点,每一个XML属性是一个属性节点,注释属于注释节点。
DOM树所提供的随机访问方式很灵活方便,可以任意地控制整个XML文档中的内容,但是DOM分析器把整个XML文件转化为DOM树放到了内存中,即在处理过程中整个文档都表示在内存中。当文档比较大或者结构比较复杂时,对内存需求比较高。
1.3 SAX解析
JAVA 解析 XML 通常有两种方式:DOM 和SAX。DOM(文档对象模型)是W3C标准,提供了标准的解析方式,但其解析效率一直不尽如人意,这是因为DOM解析XML文档时,把所有内容一次性的装载入内存,并构建一个驻留在内存中的树状结构(节点树),图见章节1.1。如果需要解析的XML文档过大,或者我们只对该文档中的一部分感兴趣,这样就会引起性能问题。
SAX(simple API for XML)是一种XML解析的替代方法。相比于DOM,SAX是一种速度更快,更有效的方法。它逐行扫描文档,一边扫描一边解析。而且相比于DOM,SAX可以在解析文档的任意时刻停止解析,但任何事物都有其相反的一面,对于SAX来说就是操作复杂。
1.4 DOM解析与SAX解析对比
SAX 和 DOM 不是相互排斥的,我们可以使用 DOM 来创建 SAX 事件流,也可以使用 SAX 来创建 DOM 树。
1.5 XML与HTML的区别
2.Java中关于DOM解析实战(Dom4j解析)
本人之前写过关于Dom4j解析的博客,具体请参见本人另外一篇博客
https://blog.csdn.net/MrYushiwen/article/details/113182481
ps:导包注意不要导错了,是org.dom4j下的包。
另外在 mybatis 中,解析XML文件采用的是DOM + XPath 方式进行对配置文件的加载和解析
XPath即为XML路径语言(XML Path Language),它是一种用来确定XML文档中某部分位置的语言。 是一种为查询 XML 文档而设计的语言, 因为 DOM 解析 XML 的方式会将整个 XML 内容加载到内存并形成树形结构,所以 XPath 可以配合 DOM 进行对 XML 的解析。
上述图片来自百度百科,对于XPath感兴趣的同学可以参考百度百科,上面描述得很清楚,链接:https://baike.baidu.com/item/XPath/5574064
3.DOM方式解析XML的时候encoding属性的作用
规定:
W3C定义了三条XML解析器如何正确读取XML文件的编码的规则:
如果文本文件头部有BOM(Byte Order Mark),即字节顺序标记(它是在Unicode编码标准中用于标识文件是采用哪种格式的编码),就按照BOM来。
如果没有BOM,就查看XML声明的编码属性。
如果上述两个都没有,就假定XML文档采用UTF-8编码。
也就是说XML解析器首先根据文件的BOM来解析文件;如果没找到BOM,由用XML里的encoding属性指定的编码;如果xml里encoding没指定的话,就默认用utf-8来解析文档。然后又可以推出,BOM和ENCODING都有的话,则以BOM指定的为准。
具体内容见本人另一篇博文:https://blog.csdn.net/MrYushiwen/article/details/121925364
3.SAX解析
注意导包不要导错了
import org.xml.sax.Attributes; import org.xml.sax.SAXException; import org.xml.sax.helpers.DefaultHandler; import javax.xml.parsers.ParserConfigurationException; import javax.xml.parsers.SAXParser; import javax.xml.parsers.SAXParserFactory; import java.io.IOException; public class SAXParseDemo { public static void main(String[] args) { //1.创建解析工厂 SAXParserFactory saxParserFactory = SAXParserFactory.newInstance(); //2.创建解析器 try { SAXParser saxParser = saxParserFactory.newSAXParser(); //3.通过解析器的parse方法 saxParser.parse("C:\\Users\\yclw060\\Desktop\\11.xml",new MyDefaultHandler()); } catch (ParserConfigurationException e) { e.printStackTrace(); } catch (SAXException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } } } class MyDefaultHandler extends DefaultHandler{ @Override public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException { //找到开始标签,输出标签名 System.out.println(qName); } @Override public void characters(char[] ch, int start, int length) throws SAXException { //标签内的文体生成String,然后输出 System.out.println(new String(ch,start,length)); } @Override public void endElement(String uri, String localName, String qName) throws SAXException { //输出结束标签名 System.out.println(qName); } }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
4.JAXP简介
JAXP(Java API for XMLProcessing,意为XML处理的Java API)是Java XML程序设计的应用程序接口之一,它提供解析和验证XML文档的能力。
JAXP解析XML的三种基本接口为:
文档对象模型解析接口或DOM接口
XML简单API解析接口或SAX接口
XML流API或StAX接口(是JDK 6的一部分,为JDK 5提供单独的包)
除了解析接口,JAXP还提供了XSLT接口用来对XML文档进行数据和结构的转换。
上面3个章节中已对前两种解析方式做了具体分析,下面对剩下的两种方式做简要说明:
4.1 StAX接口
全称 Streaming API for XML,一种全新的,基于流的JAVA XML解析标准类库。
StAX 解析方式和 SAX 解析方式相似,它也是把 XML 文档作为一个事件流进行处理,但不同之外在于 StAX 采用的是拉模式,而SAX采用的是推方式。
推模型:就是我们常说的SAX,它是一种靠事件驱动的模型。当它每发现一个节点就引发一个事件,而我们需要编写这些事件的处理程序。这样的做法很麻烦,且不灵活。
拉模型:在遍历文档时,会把感兴趣的部分从读取器中拉出,不需要引发事件,允许我们选择性地处理节点。这大大提高了灵活性,以及整体效率
StAX的设计介于DOM和SAX接口之间,在它的隐喻中,程序的入口点是一个代表文档中一个位置的光标。应用程序可以按需向前移动光标 – 从解析器中“拉”出信息。这与基于事件的API(如SAX)不同,SAX将数据“推”给应用程序,要求应用程序维护事件间的状态,如果应用需要知道在文档中的位置信息。
4.2 XSLT接口
简介:
XSLT(可扩展样式表转换语言)允许将XML文档转换为数据其他形式。应用程序使用javax.xml.transform包中的接口可以进行XSLT转换。
接口最初被称为TrAX (Transformation API for XML),是由许多Java XSLT处理器的开发人员通过非正式协作开发的。
接口的主要特性包括:
工厂类javax.xml.transform.TransformerFactory可以使应用动态地选择使用哪一个XSLT处理器。
TransformerFactory上的方法用来创建javax.xml.transform.Templates对象, 表示样式表的编译后的形式。这是一个线程安全的对象,可以重复使用,顺序或并发,在多个源文档上应用同一个样式表(或用用一个源文档,不同的参数)
Templates上的方法可以创建javax.xml.transform.Transformer,表示样式表的可执行形式。Transformer不可以在线程间共享,虽然也是可重用的。Transformer提供方法设置样式表参数和序列化选项(例如,输出是否缩进),以及一个实际运行转换的方法。
JAXP定义了javax.xml.transform.Source和javax.xml.transform.Result两个抽象接口来表示转换的输入和输出。某种程度上,这是非常规使用Java接口,这是因为并不期待一个处理器会接受任何实现该接口的类,每一个处理器可以选择支持那些Source和Result的处理。实际上所有JAXP处理器支持三种标准类型的Source (DOMSource,SAXSource,StreamSource)以及三种标准类型的Result (DOMResult,SAXResult,StreamResult)以及处理器自己的实现。
来自百度百科
Java XML
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。