org - parseo de xml en java

¿Cómo cargo un org.w3c.dom.Document desde XML en una cadena?

Question

Tengo un documento XML completo en una cadena y me gustaría un objeto de Document . Google aparece todo tipo de basura. ¿Cuál es la solución más simple? (En Java 1.5)

Solución Gracias a Matt McMinn , me he decidido por esta implementación. Tiene el nivel correcto de flexibilidad de entrada y granularidad de excepción para mí. (Es bueno saber si el error proviene de XML con formato incorrecto - SAXException - o simplemente IO - IOException malo).

public static org.w3c.dom.Document loadXMLFrom(String xml)
throws org.xml.sax.SAXException, java.io.IOException {
return loadXMLFrom(new java.io.ByteArrayInputStream(xml.getBytes()));
}
public static org.w3c.dom.Document loadXMLFrom(java.io.InputStream is)
throws org.xml.sax.SAXException, java.io.IOException {
javax.xml.parsers.DocumentBuilderFactory factory =
javax.xml.parsers.DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true);
javax.xml.parsers.DocumentBuilder builder = null;
try {
builder = factory.newDocumentBuilder();
}
catch (javax.xml.parsers.ParserConfigurationException ex) {
}
org.w3c.dom.Document doc = builder.parse(is);
is.close();
return doc;
}

Answer 1

¡Whoa allí!

Existe un problema potencialmente grave con este código, ya que ignora la codificación de caracteres especificada en la String (que es UTF-8 de forma predeterminada). Cuando llama a String.getBytes() la codificación predeterminada de la plataforma se utiliza para codificar caracteres Unicode en bytes. Por lo tanto, el analizador puede pensar que está obteniendo datos UTF-8 cuando en realidad está recibiendo EBCDIC o algo así ... ¡no es bonito!

En su lugar, use el método de análisis que toma un InputSource, que se puede construir con un Reader, como este:

import java.io.StringReader;
import org.xml.sax.InputSource;
…
return builder.parse(new InputSource(new StringReader(xml)));

Puede que no parezca un gran problema, pero la ignorancia de los problemas de codificación de los caracteres lleva a la corrupción del código insidioso similar a Y2k.

Answer 2

Esto funciona para mí en Java 1.5. Eliminé excepciones específicas para la legibilidad.

import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.DocumentBuilder;
import org.w3c.dom.Document;
import java.io.ByteArrayInputStream;
public Document loadXMLFromString(String xml) throws Exception
{
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true);
DocumentBuilder builder = factory.newDocumentBuilder();
return builder.parse(new ByteArrayInputStream(xml.getBytes()));
}

Answer 3

Para manipular XML en Java, siempre tiendo a usar la API de Transformador:

import javax.xml.transform.Source;
import javax.xml.transform.TransformerException;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMResult;
import javax.xml.transform.stream.StreamSource;
public static Document loadXMLFrom(String xml) throws TransformerException {
Source source = new StreamSource(new StringReader(xml));
DOMResult result = new DOMResult();
TransformerFactory.newInstance().newTransformer().transform(source , result);
return (Document) result.getNode();
}

Answer 4

Solo tuve un problema similar, excepto que necesitaba una NodeList y no un Documento, esto es lo que se me ocurrió. En su mayoría es la misma solución que antes, aumentada para obtener el elemento raíz como NodeList y utilizando la sugerencia de erickson de utilizar un InputSource en lugar de problemas de codificación de caracteres.

private String DOC_ROOT="root";
String xml=getXmlString();
Document xmlDoc=loadXMLFrom(xml);
Element template=xmlDoc.getDocumentElement();
NodeList nodes=xmlDoc.getElementsByTagName(DOC_ROOT);
public static Document loadXMLFrom(String xml) throws Exception {
InputSource is= new InputSource(new StringReader(xml));
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true);
DocumentBuilder builder = null;
builder = factory.newDocumentBuilder();
Document doc = builder.parse(is);
return doc;
}