第7章 SAX解析XML
通过上一章的学习，我们知道基于DOM的解析器的核心是在内存中建立和XML文档相对应的树性树状结构，XML文件的标记、标记中的文本数据、实体等都会和内存中树状结构的某个节点相对应。使用DOM解析器的好处是，可以方便的操作内存中的树的节点来处理XML文档，获取自己所需要的数据。但DOM解析的不足之处在于，如果XML文件较大，或者只需要解析XML文档一部分数据，此时就会占有大量的内存空间。和DOM解析不同的是，SAX解析器不在内存中建立和XML文件相对应的树状结构数据，SAX解析器的核心是事件处理机制，具有占有内存少、效率高等特点。
本章知识要点：
掌握SAX概念和特点
熟练掌握SAX的工作机制
了解SAX常用接口
熟练掌握SAX解析XML文档的步骤
熟练掌握解析器和事件处理器的创建和使用
熟练掌握SAX处理各种应用
掌握SAX和DOM共同构建XML文档
7.1 SAX概述
高效地解析XML数据非常重要，尤其是对于那些要处理大量数据的应用程序，这种技术尤为重要。不正确的解析会导致过度的内存消耗和过长的处理时间，从而有损于可伸缩性。SAX就是其中一种，并以快速高效解析大量XML文档而著称。
7.1.1 SAX介绍
用于读取和操作XML文件的标准是文档对象模型（Document Object Model，DOM）。遗憾的是，DOM方法涉及读取整个文件并将该文件存储在一个树结构中，而这样可能是低效的、缓慢的，并且很消耗资源。一种替代技术就是Simple API for XML，或称为SAX，翻译过来的意思是简易应用程序编写接口。SAX允许在读取文档时处理它，从而不必等待整个文档被存储之后才采取操作。
7.1.2 工作机制
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。我们也可以把它称为授权事件模型。
SAX解析器装载XML文件时，它遍历XML文档并在其主机应用程序中产生事件（经由回调函数、指派函数或者任何可调用平台完成这一功能）表示这一过程。这样，编写SAX应用程序就如同采用最现代的工具箱编写GUI事件程序。
7.1.3 常用接口
SAX是一个接口，一套API，在SAX接口里声明了处理XML文档的时候需要的方法。利用SAX编写的程序，可以快速的对数据进行操作。SAX接口中常用的接口如下所示：
Attributes接口
ContentHandler接口
DTDHandler接口
EntityResolver接口
XMLReader接口
SAX错误处理程序的基本接口
7.1.4 SAX解析器创建及使用
SAX接口提供了解析XML文件的API，基于SAX接口的解析器这里我们称作SAX解析器。和DOM解析不同的是，SAX解析器不在内存中建立和XML文件相对应的树状结构数据。SAX解析器的核心是事件处理机制。
7.2 SAX应用
SAX是一种基于事件驱动的API。利用SAX解析XML文档，涉及到两个部分：解析器和事件处理器。解析器负责读取XML文档，并向事件处理器发送事件，如元素开始和元素结束。事件处理器则负责对事件做出响应，对传递的XML数据进行处理。
7.2.1 处理文件开始与结束
当SAX解析器解析XML文档时，解析到不同的标记会触发不同的事件。当SAX解析器开始解析XML文件时，就会报告“文件开始”事件给事件处理器，此时事件处理器会调用方法startDocument()方法，然后再陆续处理并报告其他的事件，如“开始标记”、“文本事件”等，如果解析到XML文档的结束，解析器会报告“文件结束”事件，事件处理器会调用endDocument()方法。解析器在解析XML文件的过程中，只能报告一次“文件开始”事件和“文件结束”事件。如果要实现处理“文件结束”和“文件开始”事件，需要在程序的类中重写这两个继承的方法。
7.2.2 处理指令
该处理指令使得XML文件关联到某个层叠样式表，其路径为url。当SAX解析器处理XML文件时，如果发现XML文档中的处理指令会报告一个“处理指令”事件给事件处理器，事件处理器会调用下面的方法处理。
7.2.3 处理开始和结束标记
在解析器解析XML文档时，如果发现了开始标记，就会触发“开始标记”事件，并向事件处理器发送一个“开始标记”事件报告。事件处理器获得发送的事件报告信息，就会调用方法。
7.2.4 处理文本数据
XML文件中标记的内容是文本数据，当SAX解析器解析这些数据时，就报告“文本数据”事件给事件处理器，事件处理器获取事件信息后，就会调用下面的方法：
public void characters(char[] ch,int start,int length)throws SAXException
7.2.5 处理空白
人们习惯上称标记之间的缩进区域是可忽略空白，这实际上不是很准确，应为XML文件的标记可以有文本和子标记，在这种情况下，标记之间的区域就可能包含非空白的字符内容(混合内容)。如果我们不允许标记有混合内容，即标记要么只包含有子标记要么只包含有文本数据，在这种情形下，称标记之间缩进区域是可忽略空白就比较恰当，这些空白区使得XML文件看起来更加美观，是没有价值的文本数据。
7.2.6 处理名称空间
在XML文档中，名称空间主要是有效的区分名字相同的标记。当使用两个标记的名字相同时，它们可以通过隶属不同的名称空间来相互区分。名称空间通过声明名称空间来建立，分为有前缀的名称空间和无前缀的名称空间。
7.2.7 处理实体
在XML文档中，利用DTD可以定义实体，然后与该DTD文件关联的XML文件可以通过实体引用使用该实体。实体又分为内部实体和外部实体，所谓内部实体就是实体的内容包含在DTD文件本身中；而外部实体是指实体的内容是DTD文件以外的其他文件。
7.2.8 SAX应用程序异常
从上面的案例中，可以看出解析在调用parese方法时，必须使用try-catch语句来捕获SAXException异常，当SAXException异常发生时，parse方法会离开结束执行，停止解析过程。实际上，DefaultHandler类中的方法都可以抛出一个SAXException对象给解析器，比如，事件处理在调用startDocument()方法时，突然决定终止解析文件，就可以抛出一个SAXException对象给解析器，解析器将停止parse方法的执行。
7.3 SAX与DOM接口比较
基于DOM接口的解析器，解析XML文档时，会将XML文档以树模型的方式加载到内存中。此时应用程序可以对树模型的任一个部分进行遍历和操作，通过DOM的树模型可以实现对XML文档的随机访问。这种访问方式给应用程序的开发带来了很大的灵活性，它可以任意地控制整个XML文档中的内容。然而，由于DOM解析器把整个XML文档转化成DOM树放在了内存中，因此，当XML文档比较大或者文档结构比较复杂时，对内存的需求就比较高。而且，对于结构复杂的树的遍历也是一项比较耗时的操作。所以，DOM解析器对机器性能的要求比较高，实现效率不十分理想。不过，由于DOM解析器的树结构的思想与XML文档的结构相吻合，所以通过DOM树机制很容易实现随机访问。
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
}
System.out.println(text.trim());
}
}
}
}
}
}
}