3.4 Parsers DOM con JAXP

Transcripción

1 3.4 Parsers DOM con JAXP

2 Una representación DOM de Movies.xml Document DocumentType Element (movies) Comment Element (movie, La Maldición..) Comment Element (movie, Amelie) Element (director) Element (actor) Element (actor)... synopsis... EBI: Espacio en Blanco Ignorable

3 Comentarios La declaración XML no está presente en el árbol DOM Seguramente cambiará con DOM Level 3 Los elementos de tipo PCDATA sólo tienen un hijo de tipo Si dentro del elemento también hubiese comentarios o secciones CDATA, habría los correspondientes hijos Le indicaremos al parser que haga esto transparente para nosotros Observar los nodos que representan secciones de espacio en blanco (blancos, tabuladores y saltos de línea) Ej.: los que hay dentro de los elementos que no son de tipo PCDATA En documentos orientados a datos, representan espacio en blanco ignorable Le indicaremos al parser que los descarte Los atributos de un nodo Element no son sus hijos, sino (valga la redundancia) atributos suyos Ej.: Un nodo Element que representa a un elemento movie, tendrá los atributos: title, runtime, releaseday, etc.

4 Resumen de org.w3c.dom Document DocumentType Comment Node CharacterData Element CDATASection 0..n NodeList Attr EntityReference

5 Comentarios (1) La jerarquía de interfaces mostrada no es completa Sólo muestra los que son más útiles para documentos orientados a datos Corresponde a una aplicación del patrón Composite Node dispone de operaciones que no son aplicables a todos sus subtipos Ej.: Un nodo no tiene hijos, y en consecuencia, getchildnodes devuelve una lista vacía, appendchild devolvería una excepción, etc. Los subtipos de Node añaden operaciones Ej.: Element dispone de la operación getattribute, que permite recuperar el valor de un atributo Al recorrer el árbol se necesita saber el tipo de cada Node La operación getnodetype devuelve un entero que indica el tipo del nodo Node.ELEMENT_NODE, Node.TEXT_NODE, etc.

6 Attr Comentarios (y 2) Representa un atributo de un elemento Es un subtipo de Node, sin embargo, nunca se traduce en un nodo del árbol (es decir, un Element nunca tiene un hijo Attr) Accederemos a los atributos de un elemento a través de Element Con JAXP, por defecto (puede cambiarse), el parser resuelve automáticamente las referencias a entidades No se traducen en nodos

7 (1) package es.udc.fbellas.j2ee.xmltutorial.movies.controller.moviesadder. dom; import java.util.list; import java.util.arraylist; import java.util.calendar; import javax.xml.parsers.documentbuilderfactory; import javax.xml.parsers.documentbuilder; import org.xml.sax.saxexception; import org.w3c.dom.node; import org.w3c.dom.document; import org.w3c.dom.element; import org.w3c.dom.nodelist; import es.udc.fbellas.j2ee.util.xml.defaulterrorhandler; import es.udc.fbellas.j2ee.xmltutorial.movies.controller.moviesadder. MoviesAdder; import es.udc.fbellas.j2ee.xmltutorial.movies.controller.moviesadder. MoviesAdderException; import es.udc.fbellas.j2ee.xmltutorial.movies.model.movie.vo.movievo; import es.udc.fbellas.j2ee.xmltutorial.movies.model.moviesadminfacade. delegate.moviesadministrationfacadedelegate;

8 (2) public class DOMMoviesAdder implements MoviesAdder { private int moviesblocksize; public void setmoviesblocksize(int moviesblocksize) { this.moviesblocksize = moviesblocksize; public void addmovies(string xmldocumenturi) throws MoviesAdderException { Document document = getdocument(xmldocumenturi); addmoviesinblocks(document.getdocumentelement());

9 (3) private Document getdocument(string xmldocumenturi) throws MoviesAdderException { try { /* Get a DOM parser factory. */ DocumentBuilderFactory documentbuilderfactory = DocumentBuilderFactory.newInstance(); /* Configure the factory: * * 1. Enable validation. * 2. Make CDATA sections transparent to our code. * 3. Ignore comments * 4. Discard ignorable whitespace. * * NOTE: entity references are ignored by default. */ documentbuilderfactory.setvalidating(true); documentbuilderfactory.setcoalescing(true); documentbuilderfactory.setignoringcomments(true); documentbuilderfactory.setignoringelementcontentwhitespace( true);

10 (4) /* Create a DOM parser instance. */ DocumentBuilder documentbuilder = documentbuilderfactory.newdocumentbuilder(); /* Set an error handler. */ documentbuilder.seterrorhandler(new DefaultErrorHandler()); /* Get the "Document" object. */ return documentbuilder.parse(xmldocumenturi); catch (Exception e) { throw new MoviesAdderException(null, e);

11 (5) private void addmoviesinblocks(element movieselement) throws MoviesAdderException { String lastinsertedmovietitle = null; try { MoviesAdministrationFacadeDelegate moviesadministrationfacadedelegate = new MoviesAdministrationFacadeDelegate(); List listofmovievos = new ArrayList(); Node node = movieselement.getfirstchild();

12 (6) while (node!= null) { if (node.getnodetype() == Node.ELEMENT_NODE) { MovieVO movievo = getmovievo((element) node); listofmovievos.add(movievo); if (listofmovievos.size() == moviesblocksize) { moviesadministrationfacadedelegate.addmovies( listofmovievos); lastinsertedmovietitle = movievo.gettitle(); listofmovievos.clear(); node = node.getnextsibling();

13 (7) moviesadministrationfacadedelegate.addmovies(listofmovievos); catch (Exception e) { throw new MoviesAdderException(lastInsertedMovieTitle, e); private MovieVO getmovievo(element movieelement) throws SAXException { /* Get attribute values. */ String title = movieelement.getattribute("title"); String runtimeasstring = movieelement.getattribute("runtime"); String releasedayasstring = movieelement.getattribute("releaseday"); String releasemonthasstring = movieelement.getattribute("releasemonth"); String releaseyearasstring = movieelement.getattribute("releaseyear");

14 (8) /* * Convert string values into their true types, and validate if * necessary. * * NOTE: Release date is not fully validaded. */ int runtime = validateruntime(runtimeasstring, title); int releaseday = Integer.parseInt(releaseDayAsString); int releasemonth = Integer.parseInt(releaseMonthAsString); int releaseyear = Integer.parseInt(releaseYearAsString); Calendar releasedate = Calendar.getInstance(); releasedate.set(calendar.day_of_month, releaseday); releasedate.set(calendar.month, Calendar.JANUARY + releasemonth - 1); releasedate.set(calendar.year, releaseyear);

15 (9) /* Get values of nexted tags. */ List directornames = getitemnames(movieelement, "director"); List actornames = getitemnames(movieelement, "actor"); List genres = getitemnames(movieelement, "genre"); String synopsis = getsynopsis(movieelement); /* Return a MovieVO with the above values. */ return new MovieVO(new Long(-1), title, runtime, releasedate, directornames, actornames, genres, synopsis);

16 (10) /** * Allows to return the names of directors, actors and genres of a given * movie. * parentelement the <code>element</code> object of the movie tagname <code>director</code>, <code>actor</code> or * <code>genre</code> the names of the corresponding item */ private List getitemnames(element parentelement, String tagname) { List names = new ArrayList(); NodeList elements = parentelement.getelementsbytagname(tagname); for (int i=0; i<elements.getlength(); i++) { Element element = (Element) elements.item(i); String name = element.getattribute("name"); names.add(name); return names;

17 (11) public String getsynopsis(element movieelement) { NodeList synopsislist = movieelement.getelementsbytagname("synopsis"); Node synopsis = synopsislist.item(0); return synopsis.getfirstchild().getnodevalue();

18 (y 12) private int validateruntime(string runtime, String movietitle) throws SAXException { try { int runtimeasint = Integer.parseInt(runtime); if ( runtimeasint <= 0) { throw new NumberFormatException(); return runtimeasint; catch (NumberFormatException e) { throw new SAXException("Incorrect value for 'runntime'" + " (must be an integer > 0) in movie '" + movietitle + "'");

19 Comentarios DocumentBuilderFactory y DocumentBuilder juegan el mismo papel que SAXParserFactory y SAXParser, respectivamente El API de JAXP para DOM aprovecha algunas clases e interfaces de SAX DocumentBuilder.parse puede devolver SAXException Como siempre, es consecuencia de que el documento no está bien formado o no es válido Será instancia de SAXParseException DocumentBuilder.setErrorHandler(ErrorHandler) Por comodidad, Document dispone de la operación getdocumentelement Devuelve el elemento raíz En el ejemplo, devuelve una instancia de Element que representa al elemento movies

20 SAX SAX vs DOM (1) Consumo mínimo de memoria => eficiencia Es secuencial No es fácil acceder a elementos anteriores, hermanos, etc. No es apropiado para generar XML DOM Máximo consumo de memoria Permite acceder fácilmente a todos los detalles del documento Más sencillo que SAX Permite construir y/o modificar árboles, y generar XML Actualmente cada parser ofrece una forma específica de generar XML, pero esta deficiencia se corregirá en breve (DOM Level 3) Soporte para HTML

21 SAX vs DOM (y 2) En general, para situaciones similares a las del ejemplo Número de películas demasiado grande => SAX Número de películas no demasiado grande, pero muchos threads realizando la operación de parseo => SAX No es la situación del ejemplo, dado que sólo hay un administrador, pero podría ser la situación de una aplicación multi-thread que tuviese que parsear muchos documentos XML (ej.: una aplicación a la que le llegan múltiples documentos por sockets, HTTP, etc.) Número de películas no demasiado grande y pocos threads parseando => SAX o DOM Es el caso del ejemplo En resumen, es una cuestión de consumo de memoria Si es mucha => SAX En otro caso => SAX o DOM