15.3 Die Java-APIs für XML 

Für XML-basierte Daten gibt es drei Verarbeitungstypen:
- DOM-orientierte APIs (repräsentieren den XML-Baum im Speicher): W3C-DOM, JDOM, dom4j, XOM …
- Push-API (nach dem Callback-Prinzip ruft der Parser Methoden auf und meldet Elementvorkommen): SAX (Simple API for XML) ist der populäre Repräsentant.
- Pull-API (wie ein Tokenizer wird über die Elemente gegangen): Dazu gehören XPP (XML Pull Parser), wie sie der StAX-Standard definiert.
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:
- Suche nach bestimmten Inhalten
- 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 sie DOM 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 ärgerlicherweise unterscheidet sich das Programmiermodell, sodass eine Umstellung nicht so angenehm ist. Wünschenswert ist eine API, die einen unabhängigen Zugriff auf XML-Daten anbietet.
15.3.1 Das Document Object Model (DOM) 

DOM ist eine Entwicklung vom 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.
15.3.2 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.
15.3.3 Pull-API StAX 

Im Gegensatz zu SAX, bei dem Methoden bereitgestellt werden, die beim Parsen aufgerufen werden, wird bei der Pull-API 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. Hier werden beide Verfahren vorgestellt.
15.3.4 Java Document Object Model (JDOM) 

JDOM ist eine einfache Möglichkeit, XML-Dokumente leicht und effizient mit einer schönen Java-API zu nutzen. 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.
15.3.5 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://xerces.apache.org/xerces2-j/). Die Standardimplementierung in der aktuellen Laufzeitumgebung von Sun ab Version 5. XSL-Stylesheet-Transformationen werden standardmäßig über einen »Compiling XSLT Processor« (XSLTC) verarbeitet.
- Crimson (http://xml.apache.org/crimson/). Die Referenzimplementierung in Java 1.4.
Der Nachteil bei der direkten Nutzung der Parser ist die Abhängigkeit von bestimmten Klassen. Sun hat daher 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
Der unterstützte XML-Standard ist 1.0 sowie 1.1. Die Parser validieren mit DTD oder W3C XML Schema und können mit XInclude Dokumente integrieren. Von DOM wird DOM Level 3 Core und DOM Level 3 Load and Save unterstützt.
JAX 1.3 ist Teil von Java 5, und die aktuelle Version JAXP 1.4 ist Teil von Java 6 – in der Version 1.4 ist nicht viel hinzugekommen. Mehr Informationen zu den Versionen und Implementierungen geben die Webseiten https://jaxp.dev.java.net/ und http://java.sun.com/webservices/jaxp/docs.html.
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.
15.3.6 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 15.5 com/tutego/insel/dom/DOMParty.java
package com.tutego.insel.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.