理解XML DOM樹結構

北京信息工程學院計算機信息系統系 黃鴻發2002-4-29 14:00:24一．引言XML是eXtensible Markup Language的縮寫，它是一種可擴展性標識語言, 能夠讓你自己創造標識，標識你所表示的內容。DOM全稱是Document Object Model(文檔對象模型)，定義了一組與平台和語言無關的介面，以便程序和腳本能夠動態訪問和修改XML文檔內容、結構及樣式。XML創建了標識，而DOM的作用就是告訴程序如何操作和顯示這些標識。二．DOM樹結構實際上XML將數據組織成為一棵樹，DOM通過解析XML文檔，為XML文檔在邏輯上建立一個樹模型，樹的節點是一個個的對象。這樣通過操作這棵樹和這些對象就可以完成對XML文檔的操作，為處理文檔的所有方面提供了一個完美的概念性框架。如下XML文檔：<line id=」1」> the <bold>First</bold>line</line>DOM的結構表示如下：

由於DOM「一切都是節點（everything-is-a-node）」，XML樹的每個 Document、Element、Text 、Attr和Comment都是 DOM Node。由上面例子可知， DOM 實質上是一些節點的集合。由於文檔中可能包含有不同類型的信息，所以定義了幾種不同類型的節點，如：Document、Element、Text、Attr 、CDATASection、ProcessingInstruction、Notation 、EntityReference、Entity、DocumentType、DocumentFragment等。在創建XML文件時，如定義如下的XML文檔：<?xml version="1.0" encoding="UTF-8"?><students><!--this is an example--><student><name><first-name>Mike</first-name><last-name>Silver</last-name></name><sex>male</sex><class studentid="15">98211</class><birthday><day>3</day><month>3</month><year>1979</year></birthday></student><student><name><first-name>Ben</first-name><last-name>Silver</last-name></name><sex>male</sex><class studentid="16">98211</class><birthday><day>3</day><month>3</month><year>1980</year></birthday></student></students>我們很自然想像到能得到如下圖的結構，但是這只是數據的描述，而不是DOM樹的結構。

我們可以通過以下的代碼得到上面的XML文檔的根結點和根結點下孩子節點的數目。import javax.xml.parsers.*;import org.w3c.dom.*;import java.io.File;import xmlwriter.XMLProperties;public class Xml{public static void main(String args[]){ try{ File file=new File("links.xml");DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();DocumentBuilder builder=factory.newDocumentBuilder();Document doc=builder.parse(file);doc.normalize();Element theRoot = doc.getDocumentElement();NodeList theList=theRoot.getChildNodes();System.out.println("the students root has "+theList.getLength()+" children");}}}結果顯示為：

但是從上面XML文檔可以看出，students一共只有3個孩子節點（包括注釋），但程序得到的結果確實有7個孩子結點。為什麼呢？因為在DOM中節點和元素不是等價的，它的7個節點包括：兩個student元素、注釋及它們周圍的文本節點。這些文本節點有可能是回車換行、空格或者退格，假如把這些回車換行、空格和退格都刪除，那麼DOM解釋的時候就沒有這些文本節點，孩子節點就真的只有3個了。下圖是DOM樹的精確描述：

三．常見的基本節點類型：文檔、元素、屬性、文本和注釋XML 中共有12種節點類型，其中最常見的節點類型有5種：元素：元素是 XML 的基本組成單元。，描述XML的基本信息。屬性：屬性節點包含關於元素節點的信息，通常包含在元素裡面，描述元素的屬性。文本：包含許多文本信息或者只是空白。文檔：文檔節點是整個文檔中所有其它節點的父節點。注釋：注釋是對相關的信息進行描述、注釋。四．常見的基本方法：通過Jaxp包來解釋XML文檔後，對DOM的節點對象的基本操作有:appendChild(Node newChild)：在本節點上增加一個新的孩子到孩子列表的後面。getAttributes()：得到本節點的屬性列表，返回類型為NamedNodeMap。getChildNodes()：得到本節點的孩子列表，返回類型為NodeList。getFirstChild()、getLastChild()：得到第一個和最後一個孩子節點。getNextSibling()、getPreviousSibling()：得到本節點的下一個和前一個兄弟節點。getNodeName()、getNodeType()、getNodeValue()：得到本節點的名稱、類型和值。getParentNode()：得到本節點的父親節點。insertBefore(Node newChild, Node refChild)：在本節點的refChild孩子節點前插入一個新的節點。removeChild(Node oldChild)：刪除oldChild孩子節點。以上列出對DOM樹操作的一些常用的基本的方法，還有很多其他的方法，讀者可以參考有關的規範。五．遞歸遍歷DOM樹DOM樹結構和二叉樹很相似，元素的孩子節點集合就是該元素的分支，但是屬性節點不是元素的子節點，它只是描述該元素節點的一些性質而已，屬於元素節點結構內部的一部分。以下是用java編寫的一段遍歷DOM的程序：public class RecurDOM（NodeList nodelist）{Node node;int i;if(nodelist.getLength() == 0){// 該節點沒有子節點返回return;}for(i=0;i<nodelist.getLength();i++){node = nodelist.item(i);if(node.getNodeType() == Node.ELEMENT_NODE)RecurDOM（node.getChildNodes()）；//遞歸調用}}六．小結：DOM是一種在瀏覽器內編程的模型，同時也是XML的主要介面，它與語言和平台無關，它是基於樹的 API，它把所有的數據以父子的節點層次結構裝入內存構成一棵樹，這些節點的類型可以是元素、文本、屬性、注釋或其它。它允許開發者讀取、創建、刪除和編輯 XML 數據。在這再次強調，DOM的「一切都是節點（everything-is-a-node）」。本文的程序是用java編寫的，使用Jaxp包來解釋XML文檔。本文的適用對象是理解 XML 基本概念並開始準備用DOM編寫應用程序來操縱 XML文檔 的開發者。
推薦閱讀：