Java/Zpracování XML v Javě

Jazyk Java společně s XML tvoří symbiózu. Java je přenositelný jazyk a XML je přenositelný formát pro popis dat. Díky této symbióze v Javě existuje velká podpora zpracováni XML pomocí mnoha knihoven.

Nejčastější akce prováděné při zpracování XML jsou:

Načítaní XML elementu
Generování nových elementů nebo oprava stávajících
Zápis do XML dokumentu
Transformace XML do jiných formátů, například do HTML

Výše definované akce chceme nějakým způsobem zpracovat. Nejčastěji je zpracujeme pomoci parseru. Parsery se v nějaké podobě nacházejí v knihovnách každého moderního programovacího jazyka. V Javě od verze 1.3 můžeme XML dokumenty zpracovávat pomocí dvou hlavních způsobů:

Přístup založený na proudovém zpracování
Přístup založený na stromové struktuře

Proudové zpracování

Princip proudového zpracování je založen na tom, že parser postupně čte XML dokument a pro každou ucelenou část vyvolá událost, kterou my zpracujeme námi implementovaným kódem. V Javě tento přístup je implementován pomocí knihovny SAX (Simple API for XML).

Výhody proudového zpracování

velice rychlé načítání dokumentu
malá paměťová náročnost
jednoduché pro použití
zpracování aktuální části dokumentu nezávisí na již zpracovaných částech
každá událost vyvolá korespondující metodu, kterou implementuje programátor

Nevýhody proudového zpracování

dokument je zpracováván sekvenčně, což znamená, že se nelze při čtení vracet zpět
princip obsluhy události představuje nízkoúrovňové zpracování, vyžadující množství doplňujícího kódu
funkčnost je velice omezena – většinu musí implementovat programátor

Zpracování XML pomocí SAX

Neboli Simple Api for XML. Toto zpracování je definováno několika rozhraními v Java Core API, popsanými v balíku org.xml.sax. Každá XML značka je v aplikačním kódu reprezentovaná jako událost, přičemž analyzátor čte XML dokument a generuje posloupnost událostí, reprezentující dokument. Programátor píše kód, kterým zpracuje sérii událostí.

Níže lze vidět ukázku zpracování dat pomoci SAX:

<?xml version="1.0" encoding="UTF-8" ?>
<doc>
<pozdrav barva="blue">Hello, world!</pozdrav>
</doc>

SAX parser vygeneruje následující posloupnost události:

Start document
Start element: doc
Start element: pozdrav, attributes: barva (value: blue)
Characters: Hello, world!
End element: pozdrav
End element: doc
End document

Níže lze vidět hlavní kostru kódu zpracovávající XML pomoci SAX. Tento kód vytvoří objekt parseru, pomocí kterého můžeme dokument dále zpracovávat:

// Hlavni kod zpracovani XML pomoci SAX
import org.xml.sax.*;
import org.xml.sax.helpers.*;
import javax.xml.parsers.*;

public class VerifikatorJidloSAX {
    private static final String SOUBOR = "jidlo.xml";
 
    public static void main(String [] args){
        try {
            SAXParserFactory spf = SAXParserFactory.newInstance();
            spf.setValidating(false);
            SAXParser saxLevel1 = spf.newSAXParser();
            XMLReader parser = saxLevel1.getXMLReader();
  
            parser.setErrorHandler(new ChybyZjisteneParserem());
            parser.setContentHandler(new DefaultHandler());   
            parser.parse(SOUBOR);
            System.out.println(SOUBOR + "precten bez chyb");
        } catch(Exception e){
            e.printStackTrace();
        }
    } 
}

Zpracování parsovaného XML dokumentu

Zpracování dokumentu provedeme tak, že implementujeme z balíčku org.xml.sax několik rozhraní našimi třídami a tyto objekty předáme parseru pomocí jeho set() metod. Mezi jeho nejpoužívanější rozhraní patří:

ErrorHandler – reakce na chyby
ContentHandler – rozhraní pro zpracování xml elementu
Attributes – rozhraní pro zpracování xml atributů.

Nejpouživanější metody jsou z rozhraní ContentHandler:

startDocument() vykoná akci na začátku dokumentu
startElement() tato metoda je volána při načtení počáteční značky konkrétní xml značky
characters() vrací obsah elementu
endElement() tato metoda se zavolá při načtení koncové značky

Níže lze vidět ukázkovou implementaci kódu:

public void startElement(String uri, String localName, String qName, Attributes atts){
if(qName.equals(JMENO_ELEMENTU) == true){
    // zde zpracujeme obsah náš element
}

Zpracování XML pomocí stromové reprezentace dokumentu

Toto zpracování dokumentu je založeno na tom, že se celý XML dokument načte najednou do pamětí a vytvoří se stromová struktura. V Javě s ním lze pracovat pomoci knihovny DOM (Document Object Model).

Výhody zpracování pomocí stromové struktury

celý dokument je najednou dostupný v pamětí
při zpracování dokumentu lze libovolně se vracet, přeskakovat a pohybovat se po stromu dokumentu
je možné nejen číst XML dokument ale i do něj zapisovat
dobrá spolupráce s dotazovacím jazykem XPath
stejné rozhraní pro různé programovací jazyky (C++, Java, ….)

Nevýhody zpracování pomocí stromové struktury

malá rychlost načítaní ve srovnání s proudovým zpracováním
veliká paměťová náročnost
API je hodně obecné a pro některá použiti zbytečně složité

Zpracování XML pomocí DOM

Neboli Document Object Model. Jedná se o standard připravený konsorciem W3C. Parser DOM načte celý XML dokument do paměti a vytvoří z něj stromovou objektovou reprezentaci.

Níže je ukázka programu, který umožní vytvořit objekty, kterým přečte soubor jidlo.xml:

// Hlavni kod zpracovani XML pomoci DOM
import javax.xml.parsers.*;
import org.w3c.dom.*;

public class VerifikatorJidloDOM {
    private static final String SOUBOR = "jidlo.xml";

    public static void main(String [] args){
        try{
            DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
            dbf.setValidating(false);
            DocumentBuilder builder = dbf.newDocumentBuilder();
            builder.setErrorHandler(new ChybyZjisteneParserem());
            //nacteni dokumentu do pameti
            Document doc = builder.parse(SOUBOR);
            System.out.println(SOUBOR + "precten bez chyb"); 
        } catch(Exception e){
            e.printStackTrace();
        }
    }
}

Kód uvedený výše vytvoří DOM parser a načte XML dokument do pamětí pro další zpracování.

Literatura

Java a XML - Pavel Herout, nakladatelství Kopp, rok vydání 2007, ISBN 978-80-7232-307-4