7.3 Die Java-APIs für XML

Für XML-basierte Daten gibt es vier Verarbeitungstypen:

• DOM-orientierte APIs (repräsentieren den XML-Baum im Speicher): W3C-DOM, JDOM, dom4j, XOM ...
• Pull-API (wie ein Tokenizer wird über die Elemente gegangen): Dazu gehören XPP (XML Pull Parser), wie sie der StAX-Standard definiert.
• Push-API (nach dem Callback-Prinzip ruft der Parser Methoden auf und meldet Elementvorkommen): SAX (Simple API for XML) ist der populäre Repräsentant.
• Mapping-API (der Nutzer arbeitet überhaupt nicht mit den Rohdaten einer XML-Datei, sondern bekommt die XML-Datei auf ein Java-Objekt umgekehrt abgebildet): JAXB, Castor, XStream, ...

Während DOM das gesamte Dokument in einer internen Struktur einliest und bereitstellt, verfolgt SAX einen ereignisorientierten Ansatz. Das Dokument wird in Stücken geladen, und immer dann, wenn ein angemeldetes Element beim Parser vorbeikommt, meldet er dies in Form eines Ereignisses, das für die Verarbeitung abgefangen werden kann.

Klassische Anwendungen für SAX und StAX sind:

• die Suche nach bestimmten Inhalten
• das Einlesen von XML-Dateien, um eine eigene Datenstruktur aufzubauen

Für einige Anwendungen ist es erforderlich, die gesamte XML-Struktur im Speicher zu verarbeiten. Für diese Fälle ist eine Struktur, wie DOM sie bietet, notwendig:

• Sortierung der Struktur oder einer Teilstruktur der XML-Datei
• Auflösen von Referenzen zwischen einzelnen XML-Elementen
• interaktives Arbeiten mit der XML-Datei

Ob ein eigenes Programm DOM oder StAX einsetzt, ist von Fall zu Fall unterschiedlich. In manchen Fällen ist dies auch Geschmackssache, doch unterscheidet sich das Programmiermodell, sodass eine Umstellung nicht so angenehm ist.

7.3.1 Das Document Object Model (DOM)

DOM ist eine Entwicklung des W3C und wird von vielen Programmiersprachen unterstützt. Das Standard-DOM ist so konzipiert, dass es unabhängig von einer Programmiersprache ist und eine strikte Hierarchie erzeugt. DOM definiert eine Reihe von Schnittstellen, die durch konkrete Programmiersprachen implementiert werden.

7.3.2 Simple API for XML Parsing (SAX)

SAX ist zum schnellen Verarbeiten der Daten von David Megginson als Public Domain entworfen worden. SAX ist im Gegensatz zu DOM nicht so speicherhungrig, weil das XML-Dokument nicht vollständig im Speicher abgelegt ist, und daher auch für sehr große Dokumente geeignet. Da SAX auf einem Ereignismodell basiert, wird die XML-Datei wie ein Datenstrom gelesen, und für erkannte Elemente wird ein Ereignis ausgelöst. Dies ist aber mit dem Nachteil verbunden, dass wahlfreier Zugriff auf ein einzelnes Element nicht ohne Zwischenspeicherung möglich ist.

7.3.3 Pull-API StAX

Im Gegensatz zu SAX, bei dem Methoden bereitgestellt werden, die beim Parsen aufgerufen werden, wird bei der Pull-API wie StAX aktiv der nächste Teil eines XML-Dokuments angefordert. Das Prinzip entspricht dem Iterator-Design-Pattern, das auch von der Collection-API bekannt ist. Es werden die beiden grundsätzlichen Verarbeitungsmodelle Iterator und Cursor unterschieden. Die Verarbeitung mit dem Iterator ist flexibler, aber auch ein bisschen aufwändiger. Die Cursor-Verarbeitung ist einfacher und schneller, aber nicht so flexibel. Beide Formen sind sich sehr ähnlich. Später werden beide Verfahren vorgestellt.

7.3.4 Java Document Object Model (JDOM)

JDOM ist eine einfache Möglichkeit, XML-Dokumente leicht und effizient mit einer schönen Java-API zu nutzen. Die Entwicklung von JDOM geht von Brett McLaughlin und Jason Hunter aus.

Im Gegensatz zu SAX und DOM, die unabhängig von einer Programmiersprache sind, wurde JDOM speziell für Java entwickelt. Während das Original-DOM keine Rücksicht auf die Java-Datenstrukturen nimmt, nutzt JDOM konsequent die Collection-API. Auch ermöglicht JDOM eine etwas bessere Performance und eine bessere Speichernutzung als beim Original-DOM.

7.3.5 JAXP als Java-Schnittstelle zu XML

Die angesprochenen Technologien wie DOM, SAX, XPath, StAX sind erst einmal pure APIs. Für die APIs sind grundsätzlich verschiedene Implementierungen denkbar, jeweils mit Schwerpunkten wie Performance, Speicherverbrauch, Unicode-4-Unterstützung und so weiter. Zwei Parser-Implementierungen sind zum Beispiel:

• Xerces (http://tutego.de/go/xerces): Die Standardimplementierung im aktuellen JDK 5. XSL-Stylesheet-Transformationen werden standardmäßig über einen Compiling XSLT Processor (XSLTC) verarbeitet.
• Crimson (http://tutego.de/go/crimson): Die Referenzimplementierung in Java 1.4.

Java API for XML Parsing (JAXP)

Der Nachteil bei der direkten Nutzung der Parser ist die Abhängigkeit von bestimmten Klassen. Daher wurde eine API mit dem Namen Java API for XML Parsing (JAXP) entworfen, die als Abstraktionsschicht über folgenden Technologien liegt:

• DOM Level 3
• SAX 2.0.2
• StAX
• XSLT 1.0
• XPath 1.0

Die unterstützten XML-Standards sind 1.0 sowie 1.1. Die Parser validieren mit DTD oder einem W3C XML Schema und können mit XInclude Dokumente integrieren. Von DOM wird DOM Level 3 Core und DOM Level 3 Load and Save unterstützt.

JAXP 1.3 ist Teil von Java 5, und die Version JAXP 1.4 ist Teil von Java 6 und Java 7 – in der Version 1.4 ist nicht viel hinzugekommen. Java 7 aktualisiert nur die Unterversion auf JAXP 1.4.5. Mehr Informationen zu den Versionen und Implementierungen gibt die Webseite https://jaxp.dev.java.net/.

Mit JAXP können Entwickler also einfach zwischen verschiedenen Parsern und XSLT-Transformern wählen, ohne den eigentlichen Code zu verändern. Das ist das gleiche Prinzip wie bei den Datenbanktreibern.

7.3.6 DOM-Bäume einlesen mit JAXP *

Um einen DOM-Baum einzulesen, soll unser folgendes Beispiel mit JAXP arbeiten. Eine Fabrik liefert uns einen XML-Parser, sodass wir den DOM-Baum einlesen können:

Listing 7.5: com/tutego/insel/xml/dom/DOMParty.java

package com.tutego.insel.xml.dom;

import java.io.File;
import javax.xml.parsers.*;
import org.w3c.dom.Document;

public class DOMParty
{
  public static void main( String[] args ) throws Exception
  {
    DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
    DocumentBuilder builder = factory.newDocumentBuilder();
    Document document = builder.parse( new File("party.xml") );
    System.out.println( document.getFirstChild().getTextContent() );
  }
}

Die Parser sind selbstständig bei DocumentBuilderFactory angemeldet, und newInstance() liefert eine Unterklasse des DocumentBuilder.

Ihr Kommentar

Wie hat Ihnen das <openbook> gefallen? Wir freuen uns immer über Ihre freundlichen und kritischen Rückmeldungen.