技巧: 使用特定于语言的工具来进行 XML 处理

文档选项 未显示需要 JavaScript 的文档选项

级别： 中级

Uche Ogbuji (uche.ogbuji@fourthought.com), 首席顾问, Fourthought, Inc.

2004 年 2 月 01 日

DOM 和 SAX 是两种最有名的用于 XML 处理的系统，但它们是真正的跨编程语言的折中方法。因此，它们没有利用任何语言的特殊优势。如果避开常规方法而利用具有特殊优势的特定 API，经常会更好一些。

SAX 和 DOM 是两个主要的 XML 处理 API。开发人员通常知道最好的选择是 SAX（从解析器到分离处理程序的推式事件） 和 DOM（将文档解析成易于访问的对象树） 的标准模型。SAX 通常为大文档提供了好的性能，而 DOM 通常提供了更直接的代码。SAX 设计用于 Java 语言，但是到其他语言的绑定已经开发出来了。然而，在这些其他语言中，SAX 的 Java 特征通常展示出来了，而所使用的语言的优势则不再存在。DOM 设计为尽可能作为一种语言无关的方式，这一点在 ISO Interface Definition Language (IDL)中指定了。标准绑定是为 Java 语言和 ECMAScript (JavaScript) 而存在的，但这些依然会影响 IDL 的语言无关的结构，所有语言绑定，不管是官方的还是非官方的，也都取消了宿主语言的某些优势。

要更好地利用核心语言的优势，一些开发人员已经开发了本地针对特定语言的 XML 处理 API。几乎所有的知名语言都有一个或者多个工具包提供这种 API。有些时间，常规方法一直坚持最好使用 SAX 和 DOM 以便最大限度地提高可移植性，但是经验告诉我，这通常只是一个言过其实的考虑。对于某件事情，由于 SAX 和 DOM 的语言绑定有一些偏差，代码很少真正地进行跨语言移植，从一种语言到另一种语言移植时，进行代码改编的工作仍然相当重要。在同一种语言的多个实现之间，使用 SAX 和 DOM 通常确实提高了可移植性，但这必须在事实中进行权衡，因为不采用某些语言的优势经常会降低程序员的效率。

拉式 API

开发人员采用几种语言独立地进行早期探索的一个领域是 拉式 DOM（pull DOM），这是一个包装了 SAX 的系统，所以系统能够从解析器拉事件而不是将事件推出去。这种调整通常允许更直接的代码，并且实现起来通常使用本机语言结构，这样获得比纯 SAX 或者 DOM 更大的应用范围。 Java Specification Requests (JSR #173) for Streaming API for XML (StAX) 是一个拉式解析 XML 的 Java API。其他拉式 API 包括用于 C、 C++、 Python、Perl 和其他语言的 libxml2's xmlTextReader，它有 libxml2 包装器。Python 带有一个 xml.dm.pulldom 模块，它提供了一个拉式 API。

回页首

编组程序和 XML 数据结构

除了 SAX 和 DOM 之外，另一个早期惯用法是开发把 XML 转换成本机语言常用数据结构的工具 —— 一个叫做 编组（unmarshalling）的过程 —— 与之相对的是 解组)。这个想法是为了使开发人员采用自己喜欢的特定语言，而不必真正考虑数据背后的 XML 。不幸的是，许多开发人员不喜欢 XML，而这通常又是他们能够发现 XML 好处的唯一方式。但即使对于那些喜欢 XML 的开发人员，编组工具对于快速简洁地处理也是有用的： JDOM 是类似于 DOM 的 API，它严格局限于 Java 语言习惯；Python 用户有 ElementTree，它从 XML 创建专用的数据结构，重点是元素；Perl 用户现在更喜欢老式的 XML::Grove，它用一棵 Perl 散列树来交换已解析的 XML、HTML 或者 SGML；Ruby 用户有 XMLification，用于 Ruby 对象到 XML 的非常简单的转换；PHP 可以选择 class_path_parser.php，它允许您为 XML 源注册类似于 XPath 的表达式，并据此调度 PHP 处理器函数；Haskell 的选择是 Haskell2Xml，它允许您读取和编写普通的 Haskell 数据作为 XML 文档。

回页首

XML 数据绑定

编组方法作为一种最流行的选择正显露出来，它使用 XML 模式语言和其他源代码用本机语言创建数据结构，这种结构使用了用 XML 文档表达的词汇表。这种系统称为 XML 数据绑定，在很多情况下，它们导致最自然合理的 XML 操纵。Java 技术用户可以看看 JSR #31, "XML Data Binding Specification"。 Castor、 JBind 和 JiBX 工具与 JAXB 有相似的特性。Python 用户有 Anobind、 gnosis.xml.objectify 和 xmltramp，它们从直接检查源 XML 代码开始操作，然后是 generateDS.py，它使用 W3C XML Schema 来驱动绑定。Perl 的一个选项是 XML::Smart。

回页首

结束语

所以不管您喜欢哪种语言，都有很多种处理 XML 的选择。不要害怕抛弃常规方法而寻找两种主流方法以外的其他选择。

参考资料

• 您可以参阅本文在 developerWorks 全球站点上的 英文原文.
  
  
• 参考 JSR #173， Java 语言的一个拉式 API。您还可以在 Berthold Daum 的 developerWorks 技巧系列文章中学习更多关于 StAX 的知识：
  • “ 使用 XML 流解析器” （2003 年 11 月）
  • “ 使用 StAX 部分解析 XML 文档”（2003 年 12 月）
  • “ 使用 StAX 高效筛选 XML 文档”（2003 年 12 月）
  • “ 使用 StAX 编写 XML 文档”（2003 年 12 月）
  • “ 使用 StAX 合并 XML 文档” （2004 年 1 月）
  
  
  
• 学习 Libxml2's XmlTextReader Interface，C、C++、Perl、Python 和其他语言的一个拉式 API。
  
  
  
  
• 试试 xml.dom.pulldom, 用于拉式处理的 Python 库。
  
  
  
  
• 用于 XML、SGML 和 HTML 的 Perl 数据结构，看看 XML::Grove。
  
  
  
  
• 使用 XMLification 将 Ruby 对象转换成 XML。
  
  
  
  
• 使用 class_path_parser.php 来调度基于 XML 和 PHP 函数。
  
  
  
  
• 访问 HaXml 项目。它包括了 Haskell2Xml， Haskell2Xml 用普通的 Haskell 对象来交换 XML。
  
  
  
  
• 试试 JDOM，一个以 Java 为中心的 DOM 变种。
  
  
  
  
• Dennis M. Sosnoski 在有关数据绑定的 developerWorks 系列文章中对 Java 数据绑定工具作了很好的介绍：
  • 第 1 部分：代码生成方法 — JAXB 及其它（2003 年 1 月）
  • 第 2 部分：性能（2003 年 1 月）
  • 第 3 部分：JiBX 体系结构（2003 年 4 月）
  • 第 4 部分：使用 JiBX（2003 年 4 月）
  
  
  
• 深入阅读 ElementTree，这是一个易于使用的表示 XML 文档的 Python 数据结构。
  
  
  
  
• Anobind、 gnosis.xml.objectify 和 xmltramp 是基本的 Python 数据绑定工具。 generateDS.py 使用了 W3C XML Schema。更多关于 gnosis.xml.objectify 的信息，请参考 David Mertz 在 developerWorks 上的 XML 问题 专栏。
  
  
  
  
• 需要 Perl 的数据绑定工具吗？试试 XML::Smart。
  
  
  
  
• 在 developerWorks Web services和 XML 专区中，可以找到大量有关这两种最流行技术的文章、专栏、教程和技巧。
  
  
  
  
• 了解如何才能成为 IBM 认证的 XML 和相关技术的开发人员。
  
  
  

关于作者

		Uche Ogbuji 是 Fourthought Inc. 的顾问和共同创始人，该公司是专为企业知识管理提供 XML 解决方案的软件供应商和咨询公司。Fourthought 开发了 4Suite，这是一个用于 XML、RDF 和知识管理应用程序的开放源代码平台。Ogbuji 先生是一位出生于尼日利亚的计算机工程师和作家，他现在美国科罗拉多州博耳德（Boulder）生活和工作。可以通过 uche.ogbuji@fourthought.com 与 Ogbuji 先生联系。

对本文的评价

太差！ (1) 需提高 (2) 一般；尚可 (3) 好文章 (4) 真棒！(5) 建议？

回页首