基于DOM解析器的XML编辑器研究

维普资讯

第２８卷　第２２期　

ＶＯ１．２８　

ＮＯ．２２　

计算机工程与设计　

Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　ａｎｄ　Ｄｅｓｉｇｎ　

２００７年１１月　

ＮＯＶ．２００７　

基于ＤＯＭ解析器的ＸＭＬ编辑器研究　

戴蓓洁，　余双，　金蓓弘　

（中国科学院软件研究所软件工程技术中心，北京１０００８０）　

摘　要：ＤＯＭ是一种独立于语言和平台的ＸＭＬ解析模型。给出了支持ＤＯＭ核心模型和多种ＤＯＭ扩展规范的ＸＭＬ编辑器　

０ＮｃＥｘＭＬＥｄｉｔ０ｒ的实现。ＯＮＣＥＸＭＬＥｄｉｔｏｒ具有高效的ＸＭＬ验证和序列化性能，同时提供给用户多种功能，包括按需遍历文　

档、提供上下文感知的编写环境、实时纠错、灵活的装载和序列化机制等。描述了０ＮｃＥｘＭＬＥｄｉｔ０ｒ的体系结构及其实现核心　

算法，同时给出了ＸＭＬ文档有效性验证和装载及序列化的性能优化策略。　

关键词：可扩展标记语言编辑器；文档对象模型；按需遍历；实时纠错；定制保存　

中图法分类号：ＴＰ３９　文献标识码：Ａ　文章编号：１０００—７０２４（２００７）２２—５３３４．０４　

ＸＭＬ　ｅｄｉｔｏｒ　ｂａｓｅｄ　ｏｎ　ｅｆｉｆｃｉｅｎｔ　ＤＯＭ　ｐａｒｓｅｒ　

ＤＡＩ　Ｂｅｉ－ｊｉｅ，ＹＵ　Ｓｈｕａｎｇ，　ＪＩＮ　Ｂｅｉ－ｈｏｎｇ　

（Ｔｅｃｈｎｏｌｏｇｙ　Ｃｅｎｔｅｒ　ｏｆＳｏｆｔｗａｒｅ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｉｎｓｔｉｔｕｔｅ　ｏｆＳｏｆｔｗａｒｅ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ　１０００８０，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：ＤＯＭ　ｉｓ　ａ　ｌａｎｇｕａｇｅ　ａｎｄ　ｐｌａｔｆｏｒｍ—ｎｅｕｔｒａｌ　ＸＭＬ　ｐａｒｓｉｎｇ　ｍｏｄｅ１．Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆＤＯＭ　Ｃｏｒｅ　ｍｏｄｅｌ　ｎａｄ　ｓｅｖｅｒａｌ　

ＤＯＭ　ｅｘｔｅｎｄｅｄ　ｓｐｅｃｉｉｆｃａｔｉｏｎｓ，ａｎ　ＸＭＬ　ｅｄｉｔｏｒ　ＯＮＣＥＸＭＬＥｄｉｔｏｒ　ｉｓ　ｄｅｖｅｌｏｐｅｄ．Ｄｅｐｅｎｄｉｎｇ　ｏｎ　ｉｔｓ　ｂｕｉｌｔ—ｉｎ　ｅｆｉｆｃｉｅｎｔ　ＸＭＬ　ｖａｌｉｄａｔｉｏｎ　ｎａｄ　

ｓｅｒｉａｌｉｚｉｎｇ，ＯＮＣＥＸＭＬＥｄｉｔｏｒ　Ｃａｎ　ｐｒｏｖｉｄｅ　ｖｅｒｓａｔｉｌｅ　ｃａｐａｂｉｌｉｔｉｅｓ　ｆｏｒ　ｅｎｄ—ｕｓｅｒｓ，ｉｎｃｌｕｄｉｎｇ　ｇｉｖｉｎｇ　ｃｕｓｔｏｍ—ｍａｄｅ　ｒｔａｖｅｒｓａｌ　ｏｆ　ＸＭＬ　ｄｏｃｕ—　

ｍｅｎｔｓ，ｐｒｅｓｅｎｔｉｎｇ　ｃｏｎｔｅｘｔ—ａｗａｒｅ　ｅｄｉｔｉｎｇ，ｂｅ　ｃａｐａｂｌｅ　ｏｆ　ｃｏｒｒｅｃｔｉｎｇ　ｅｒｒｏｒｓ　ｉｍｍｅｄｉａｔｅｌｙ，ａｌｏｎｇ　ｗｉｔｈ　ｆｌｅｘｉｂｌｅ　ｌｏａｄ　ａｎｄ　ｓａｖｅ　ｍｅｃｈａｎｉｓｍ．　

Ｔｈｅ　ａｒｃｈｉｔｅｃｔｕｒｅ　ｏｆ　ＯＮＣＥＸＭＬＥｄｉｔｏｒ　ｉｓ　ｄｅｓｃｒｉｂｅｄ　ａｎｄ　ｉｔｓ　ｅｓｓｅｎｔｉａｌ　ａｌｇｏｒｉｔｈｍｓ　ｉｓ　ｓｈｏｗｎ　ａｎｄ　ｔｈｅ　ｐｅｒｆｏｒｍａｎｃｅ　ｔｕｎｉｎｇ　ｐｏｌｉｃｉｅｓ　ｆｏｒ　ＸＭＬ　

ｄｏｃｕｍｅｎｔ　ｌｏａｄｉｎｇ　ａｎｄ　ｓａｖｉｎｇ　ａｓ　ｗｅｌｌ　ａｓ　ＸＭＬ　ｖａｌｉｄａｔｉｏｎ　ａｒｅ　ｏｂｔａｉｎｅｄ．　

Ｋｅｙ　ｗｏｒｄｓ：ＸＭＬ　ｅｄｉｔｏｒ；ＤＯＭ；ｃｕｓｔｏｍ－－ｍａｄｅ　ｔｒａｖｅｒｓａｌ；ｒｅａｌ－－ｔｉｍｅ　ｅｒｒｏｒ　ｃｏｒｒｅｃｔｉｏｎ；ｃｕｓｔｏｍｉｚｅｄ　ｓａｖｉｎｇ　

０引　言　

ＤＯＭＣｏｒｅ，使得用户能更简单和直接地操作文档。这些扩展　

规范包括带过滤器的装载和序列化规范即ＬｏａｄａｎｄＳａｖｅ规范、　

可扩展标记语言（ｅｘｔｅｎｓｉｂｌｅ　ｍａｒｋｕｐ　ｌｎａｇｕａｇｅ，ＸＭＬ）　是由　

支持ＤＯＭ树事件触发机制的Ｅｖｅｎｔ规范、支持对ＤＯＭ树结　

万维网联盟（ｗｏｒｌｄ　ｗｉｄｅ　ｗｅｂ　ｃｏｎｓｏｒｔｉｍｕ，ｗ３ｃ）定义的一种标记　构进行遍历查找的Ｔｒａｖｅｒｓａｌ规范，以及与ＸＭＬ文本编辑对应　

语言，目前已被广泛用于组织、存储和交换信息。为了更好的　’的、支持ＤＯＭ树编辑功能的Ｒａｎｇｅ规范。不少主流的ＸＭＬ　

发挥ＸＭＬ跨平台的特性，需要一个标准的、跨平台的、不依赖　

编辑器（如＜ｏＸｙｇｅｎ／＞ＸＭＬ　Ｅｄｉｔｏｒｓ　和Ａｌｔｏｖａ　ＸＭＬＳｐｙｔ　）和浏览　

任何语言和具体实现的ＸＭＬ表示和使用模型。Ｗ３Ｃ定义的　

器都支持部分ＤＯＭ扩展规范。　

ＤＯＭ（ｄｏｃｍｕｅｎｔｏｂｊｅｃｔｍｏｄｅ１）　模型定义了ＸＭＬ数据表示和数　

我们在中国科学院软件研究所软件工程技术中心开发的　

据操作的接口，它不与任何语言和平台绑定。相比之下，ＸＭＬ　

ＯＮＣＥＤＯＭＰａｒｓｅｒ１．０ｔｓ］的基础上，设计和实现了支持ＤＯＭＬｅｖｅｌ　

的其它解析模型如ＳＡＸ０　、ＳｔＡＸ“　都不能满足此要求。　

３核心模型以及相关扩展规范的ＸＭＬ编辑器——０ＮｃＥ—　

ＤＯＭ是目前为止惟一成为Ｗ３Ｃ正式标准的ＸＭＬ解析　ＸＭＬＥｄｉｔｏｒ。本文首先介绍０ＮｃＥｘＭＬＥｄｉｔ０ｒ的体系结构，给　

模型，几乎所有的编程语言实现，包括Ｊａｖａ、ｃ／ｃ＋＋、Ｐｅｒｌ、Ｊａｖａ－　出了０ＮｃＥｘＭＬＥｄｉｔ０ｒ实现中的核心算法，然后总结了实现过　

Ｓｃｒｉｐｔ等，都提供支持ＤＯＭ的解析器。ＪＩ）Ｋ（Ｊａｖａ　ｄｅｖｅｌｏｐｍｅｎｔ　

程中的主要优化措施，并给出了性能测试结果，最后进行总结。　

ｋｉｔ）１．４／１．５在ＪＡＸＰ（ＪａｖａＡＰＩｆｏｒＸＭＬｐｒｏｃｅｓｓｉｎｇ）　中也定义了专　

门的接口来支持ＤＯＭ模型。ＤＯＭ的特点是用树结构表示整　

ｌ系统体系结构　

个ＸＭＬ文档，树上的每一个节点都对应ＤＯＭ模型中的一个　

０ＮｃＥｘＭＬＥｄｉｔｏｒ基于ＤＯＭ解析方式，提供ｘ】ⅥＬ文档的　

节点对象，用户可以通过ＤＯＭ接口访问和修改ＸＭＬ文档。　编辑功能，具有按需遍历文档、定制保存、实时纠错、ＸＭＬ文　

考虑到ＤＯＭＣｏｒｅ模型并不能满足对ＤＯＭ的各种高级操作，　档验证（包括良构性验证和有效性验证）、根据读入的ＸＭＬ文　

Ｗ３Ｃ还制定了ＤＯＭ扩展规范，提供了更便捷的接口来补充　

档生成ＤＴＤ文件和提供上下文感知的编写环境等功能。ＯＮ一　

收稿日期：２００６—１２．０５　Ｅ・ｍａｉｌ：ｂｊｄａｉｌＭ＠ｏｔｃａｉｘ．ｉｓｃａｓ．ａｃ．ｃａ　

作者简介：戴蓓洁（１９８３一），女，浙江杭州人，硕士研究生，研究方向为分布式计算；　余双（１９８２一），男，硕士研究生，研究方向为分布式计　

算；　金蓓弘（１９６７－－），女，博士，副研究员，研究方向为分布式计算、软件工程技术。　

－——

５３３４－——　

维普资讯

ｃＥⅪ　ＬＥｄｉｔｏｒ采用两种视图模式来呈现ＸＭＬ文档编辑视图，　

其中主视图采用Ｔｅｘｔ视图模式，用户可以在此视图模式下修　

改文档的结构和数据；Ｔｒｅｅ视图是辅助视图，采用树形结构呈　

现ＸＭＬ文档，并提供对树节点的增、删、改操作。除此之外，　

式却不容易找到它们。这是因为，按标准的ＤＯＭ方式，必须　

找到根元素，先找根元素下的ｂｏｏｋ元素，找到每本书的ｄｅｓｃｒｉｐ—　

ｔｉｏｎ元素，再查找ｋｅｙｗｏｒｄ元素，判断ｋｅｙｗｏｒｄ元素的属性是否　

为“ｔｒｕｅ”，然后才能查找ｋｅｙｗｏｒｄ元素的内容中是否包含“ｃｏｍ—　

０ＮｃＥｘＭＬＥｄｉｔｏｒ还具备一些基本的编辑功能，比如支持文档　

，

，

ｐｕｔｅｒ”关键字。可见，采用标准的ＤＯＭ接口，即使对于这项普　

、

、

、

、

、　

、

之间的比较、呈现不同和合并等功能。　通的任务，也需要许多代码来实现。而采用ＤＯＭＴｒａｖｅｒｓａｌ的　

功能，用户无需编写冗长的节点迭代代码，只需编写过滤器的　

ａｃｃｅｐｔＮｏｄｅ（）方法，在其中检查节点的类型、属性名和属性值，　

根据功能和模块独立性，０ＮｃＥｘＭＬＥｄｉｔｏｒ分成７部分。　

图ｌ给出０ＮｃＥｘＭＬＥｄｉｔｏｒ的主要包及其依赖关系，其中Ｅｄｉｔｏｒ　

包用于实现此编辑器的图形界面及控制逻辑，ＤＯＭＣｏｒｅＰａｒｓｅｒ　

包用于实现ＤＯＭＬｅｖｅｌ　３Ｃｏｒｅ规范中定义的各个接口，Ｖａｌｉｄｉｔｙ　

包用于实现ＸＭＬ规范规定的有效性验证功能，Ｔｒａｖｅｒｓａｌ包、　

从而判断是接受还是拒绝该节点。Ｅｄｉｔｏｒ包利用ＤＯＭＴｒａｖｅｒｓａｌ　

包，实现按需遍历文档的功能。　

ＤＯＭ　Ｅｖｅｎｔ规范指定了事件注册、监听、触发和传播的规　

Ｅｖｅｎｔ包、Ｌｏａｄ　ａｎｄ　Ｓａｖｅ包分别用于实现Ｄ０Ｍ　Ｌｅｖｅｌ　３　Ｔｒａｖｅｒｓａｌ　

规范、Ｅｖｅｎｔ规范、Ｌｏａｄ　ｎａｄ　Ｓａｖｅ规范中定义的各个接口。　

、

、

目／，，　

图１　ＯＮＣＥＸＭＬＥｄｉｔｏｒ包结构关系　

ＤＯＭ核心规范定义了表示和管理文档的核心接口，是所　

有ＤＯＭ功能的基础，任何支持ＤＯＭ解析的工具必须首先支　

持ＤＯＭ核心规范。ＤＯＭ核心规范不仅定义了代表ＸＭＬ不　

同语法单元的节点，还定义了这些节点之间的关系。这样，节　

点间的父、子、兄弟等关系就反映了整个ＸＭＬ文档的逻辑结　

构。ＤＯＭ对ＸＭＬ文档的处理方式就是将一个ＸＭＬ文档读　

入内存，解析后按节点间的逻辑关系构造“ＤＯＭ树”，并提供　

一

组接口访问和修改节点。ＤＯＭ　Ｃｏｒｅ　ｐａｒｓｅｒ包复用了ＯＮ—　

ＣＥＤＯＭＰａｒｓｅｒ１．０的功能，实现了ＤＯＭ核心规范，在ＯＮ．　

ＣＥＸＭＬＥｄｉｔｏｒ中提供语法解析、文档构建和文档访问的功能。　

ＤＯＭ　Ｔｒａｖｅｒｓａｌ规范定义了两种遍历文档的方式：一种是　

调用Ｎｏｄｅｌｔｅｒａｔｏｒ接口，采用平面的视角遍历文档。遍历文档　

的过程中，用户可以调用接口得到前一个和后一个满足需要　

的节点。另一种方式是调用ＴｒｅｅＷａｌｋｅｒ接口，以层级的视角　

来遍历文档。用户可以调用接口来获得当前节点的满足要求　

的“父”节点、“子”节点和“兄弟”节点等。无论调用哪种接口，　

都是按照文档的中序规则，实现遍历过程。此外，ＤＯＭＴｒａｖｅ．　

ｒｓａｌ规范还给用户提供了ＮｏｄｅＦｉｌｔｅｒ接口，用于过滤节点。　

Ｔｒａｖｅｒｓａｌ包实现了ＤＯＭ　Ｔｒａｖｅｒｓａ！规范，提供用户根据特　

定需求遍历文档并将其呈现出来的功能。现以在线书籍目录　

的处理场景为例说明ＤＯＭ　Ｔｒａｖｅｒｓａｌ的功能。其中一个常见　

场景是允许用户通过关键字搜索书籍。例如，用户可能想要　

搜索有关“ｃｏｍｐｕｔｅｒ”、“ｅｃｏｎｏｍｙ”或其它任何关键字的书籍。　

这些关键字出现在这些书籍的描述中，但使用标准的ＤＯＭ方　

则。ＤＯＭ树的节点通过对特定事件的注册，可以捕捉诸如用　

户对节点子树的修改、添加等事件，并对事件做相应的处理。　

发生的事件首先从ＤＯＭ树根节点传播到事件发生地（即目标　

节点）的父节点，触发节点上以ｃａｐｔｕｒｉｎｇ方式监听的事件监听　

者，这个阶段称为捕捉；然后传播到事件的目标节点，并触发　

相应的事件监听者；最后从事件的目标节点的父节点传播到　

根节点，触发节点上以ｂｕｂｂｌｉｎｇ方式监听的事件监听者，这个　

阶段称为冒泡。Ｅｖｅｎｔ包实现了ＤＯＭＥｖｅｎｔ规范，提供给用户　

一

个通用的事件触发系统。采用ＤＯＭ　Ｅｖｅｎｔ的事件触发机　

制，Ｅｄｉｔｏｒ包向用户提供了实时纠错的功能。当用户修改了　

Ｔｒｅｅ视图中和元素的名字空间相关的数据时，编辑器会实时　

判断修改的有效性，并做出更正。　

ＤＯＭ　Ｌｏａｄ　ａｎｄ　Ｓａｖｅ规范包括两个功能：①读取ＸＭＬ文　

档，并在内存中构建相应的ＤＯＭ树，这个过程叫做装载；②将　

ＤＯＭ树或者ＤＯＭ树的一部分，输出为一个ＸＭＬ文档，这个　

过程叫做序列化。在装载和序列化的过程中，用户可以使用　

基于ＤＯＭ　Ｌｅｖｅｌ　３　Ｃｏｒｅ的ＤＯＭＣｏｎｆｉｇｕｒａｔｉｏｎ类的扩展属性　

ｄｏｍＣｏｎｆｉｇ配置装载和序列化过程中的参数，并且每个节点在　

被装载或序列化之前可以调用过滤器按需过滤部分文档内容。　

Ｌｏａｄ　ｎａｄ　Ｓａｖｅ包实现了ＤＯＭ　Ｌｏａｄ　ｎａｄ　Ｓａｖｅ规范，Ｅｄｉｔｏｒ包利　

用Ｌｏａｄａｎｄ　Ｓａｖｅ包来完成文档解析和定制保存的功能。　

ＤＯＭ　Ｒａｎｇｅ规范提供用户编辑ＸＭＬ文档的通用方法。　

在图形用户界面中，用户按下鼠标选中文档的一部分，把这个　

选择区域作为一个Ｒａｎｇｅ返回给ＤＯＭ用户。接着用户可以　

对这个Ｒａｎｇｅ包含的内容进行增、删、改等操作。Ｒａｎｇｅ包实　

现了ＤＯＭＲａｎｇｅ规范，Ｅｄｉｔｏｒ包利用Ｒａｎｇｅ包对用户在Ｔｅｘｔ视　

图中的删除、复制和粘贴等操作提供实时纠错功能，例如针对　

用户对特定选中区域的删除操作，系统会检查删除后文档标　

签的正确嵌套性，并自动添加误删的开始或结束标签。　

Ｖａｌｉｄｉｙｔ包实现了对一个ＸＭＬ文档的有效性验证功能。　

它根据读取ＤＴＤ部分时确定的有效性验证规则，来判断ＸＭＬ　

文档的非ＤＴＤ部分是否符合这些法则。Ｅｄｉｔｏｒ包依赖此模块　

实现对文档的有效性验证。　

２　ＯＮＣＥＸＭＬＥｄｉｔｏｒ的核心算法　

２．１按需遍历　

当用户点击“按需遍历”菜单项时，编辑器首先让用户选择　

遍历文档的方式（平面视角或层次视角）、需要呈现的节点类型　

和名字过滤器需保留的节点名，然后编辑器就会根据用户输　

－——

５３３５－——　

维普资讯

入的参数创建一个遍历器，并呈现可供用户按需遍历的视图。　

图２给出了系统实现“用户按需遍历文档”的时序图。当　

用户以平面的视角按需遍历满足需求的上一个或下一个节点　

时，系统会调用实现以平面视角遍历的Ｎｏｄｅｌｔｅｒａｔｏｒ对象的ｐｒｅ－　

ｖｉｏｕｓＮｏｄｅ０或ｎｅｘｔＮｏｄｅ０方法。以ｎｅｘｔＮｏｄｅ０方法为例，该方　

法首先按文档顺序获得下一个节点，然后调用名字过滤器的　

ａｃｃｅｐｔＮｏｄｅ０方法判断此节点是否能被过滤器接受，如果不被　

接受，则继续以上操作；如果遍历了所有节点都无符合要求的　

节点，则返回ｎｕｌｌ，否则返回当前节点。　

匡　—Ｎｏｄ　ｅＩｔｅｒａ—ｔｏｒＩｍｐ１］　

：堇煎垄旦：　氟　蔫　。　

返回此Ｎｏｄｅ　Ｉ１　

．…　

ａｔ　量一．』ｊ　

调用ｎｅｘｔＮｏｄｅ方法，：　

实现“遍历下一节点　功能　

用ｎｅｘｔＮｏｄｅＩｎＤｏｃ方法返回　

文档顺序的下一个节点　

－Ｉ　：　

用ａｃｃｅｐｔＮｏｄｅ方溜决定　

节点是否被接受一：　

踅　！　．　

图２按需遍历文档的工作流程　

不论是采用平面的视角还是层次的视角遍历文档，一旦　

用户修改了文档的结构，两者都必须实时响应动态改变，不能　

因为文档结构的改变而产生任何无效操作。若用户按平面的　

视角遍历文档，我们将用户当前选中的节点作为参考节点，遍　

历上一个或下一个节点的操作都是基于这个节点的。增加或　

删除非参考节点并不会对后续的遍历操作有任何影响；而对　

于参考节点被删除的情况，系统需要重置参考节点。若用户　

按层次的视角遍历文档，那么，我们同样将用户当前选中的节　

点作为参考节点。当用户在遍历过程中修改了名字过滤器后，　

参考节点可能会被过滤器过滤，但用户仍可以继续遍历该节　

点的子节点，只是作为一个孤儿节点，用户不能继续遍历该节　

点的父节点和兄弟节点。　

２．２实时纠错　

当用户在Ｔｒｅｅ视图中修改节点的元素名和属性名时，编　

辑器对于被修改的节点会调用此节点对象的ｎｏｔｉｆｙＥｖｅｎｔＦｉｒｅｄ０　

方法传播事件。ｎｏｔｉｆ），ＥｖｅｎｔＦｉｒｅｄ（）方法首先根据传入的事件类　

型生成相应的事件、初始化事件、并将此节点设置为目标节　

点，然后由该目标节点调用ｄｉｓｐａｔｃｈＥｖｅｎｔ０方法传播事件流。　

出于对效率的考虑，ｄｉｓｐａｔｃｈＥｖｅｎｔ０方法首先调用ｇｅｔＰａｔｈ（）　

方法遍历从事件的发生地即目标节点到文档根节点这条事件　

传播路径，记录事件传播路径上注册了相关事件监听者的节　

点和监听器，并返回记录此信息的Ｖｅｃｔｏｒ类型对象ｎｏｄｅｓＩｎ—　

Ｐａｔｈ。接着，根据所记录的监听器信息，首先触发以ｃａｐｔｕｒｉｎｇ　

方式注册的事件监听器，然后调用触发事件的目标节点上的　

监听器处理程序，最后触发以ｂｕｂｂｌｉｎｇ方式注册的事件监听　

器。这样，事件监听器就会根据触发的事件判断用户对此节　

点修改的正确性。　

２．３定制保存　

用户点击“保存”菜单项后，编辑器首先会让用户选择和　

定制保存相关的参数。例如是否保存ＤＴＤ、是否保存ＣＯＭ．　

－——

５３３６－——　

ＭＥＮＴ、是否保存ＰＩ、是否保存ＸＭＬ．Ｄｅｃｌａｒａｔｉｏｎ和是否按缩进　

格式输出，选择编码方式、需过滤的节点名以及目标保存路径　

等。编辑器首先根据用户输入的参数创建一个序列化器　

ＬＳＳｅｒｉａｌｉｚｅｒ对象ｓｅｒｉａｌｉｚｅｒ和一个实现封装序列化输出数据流　

的ＬＳＯｕｔｐｕｔ对象ｄｅｓｔｎｉａｔｉｏｎ，然后ｓｅｒｉａｌｉｚｅｒ调用ｗｒｉｔｅ（）方法进　

行序列化。下面我们以ｗｒｉｔｅ（ＮｏｄｅｎｏｄｅＡｒｇ，ＬＳＯｕｔｐｕｔｄｅｓｉｆｎｍｉｏｎ）　

为例，介绍序列化节点的算法。　

序列化节点的算法：　

步骤ｌ通过ＬＳＯｕｔｐｕｔ类型的对象ｄｅｓｔｉｎａｔｉｏｎ，得到序列　

化结果的输出目的地，以及输出的其它相关信息，如输出流的　

编码方式等。然后将它封装为一个ｊａｖａ．ｉｏ．Ｗｒｉｔｅｒ对象；　

步骤２根据ｊａｖａ．ｉｏ．Ｗｒｉｔｅｒ对象生成一个ＬＳＰｒｉｎｔｅｒ对象　

ｐｒｉｎｔｅｒ，每次使用这个ｐｒｉｎｔｅｒ序列化不同节点的信息；　

步骤３读取配置信息，设置相应的序列化参数；　

步骤４递归序列化节点子树；　

步骤５结束序列化过程。　

递归序列化节点子树的算法ｒｅｃｏｒｄＳｕｂＴｒｅｅ（）：　

ｓｗｉｔｃｈ（ｎｏｄｅＴｙｐｅ）｛　

对于节点类型是ＤＯＣＴＹＰＥ、ＣＤＡＴＡ、ＴＥＸＴ、ＣＯＭＭＥＮＴ、　

ＰＩ的情况：　

如果设置为保留该节点，则直接输出节点信息，返回；　

对于Ｅｌｅｍｅｎｔ类型的节点：　

如果该节点不支持名字空间或者支持名字空间，但其　

祖先节点是Ｅｎｔｉｔｙ类型的节点，则直接输出此元素的元素名和　

每个属性的属性信息，并对它的每个子节点递归调用ｒｅｃｏｒｄ－　

ＳｕｂＴｒｅｅ０方法；　

否则，　

步骤ｌ　需要记录下所有的ｎａｍｅｓｐａｃｅ　ｄｅｃｌａｒａｔｉｏｎ　ａｔｔｒｉｂｕ－　

ｔｅｓ，调用ｎｏｒｍａｌｉｚｅＮａｍｅｓｐａｃｅ（）方法进行元素名的名字空间一　

致性修复并输出该元素名；　

步骤２对该元素所有的￣ｎａｍｅｓｐａｃｅｄｅｃｌａｒａｔｉｏｎａｔｔｒｉｂｕ－　

ｔｅｓ，调用ｎｏｒｍａｌｉｚｅＮａｍｅｓｐａｃｅ（）方法进行属性的名字空间一致　

性修复，并输出属性信息。　

步骤３对该节点的每个子节点，递归调用ｒｅｃｏｒｄＳｕｂ－　

Ｔｒｅｅ（）方法；　

对于ＥｎｔｉｙｔＲｅｆｅｒｅｎｃｅ类型的节点：　

如果设置为替换实体引用，并且实体引用有替换文本，　

则序列化输出该实体引用的子节点；　

否则直接输出节点信息，并不序列化该实体引用的子　

节点。　

对于Ｄｏｃｕｍｅｎｔ类型或ＤｏｃｕｍｅｎｔＦｍｇｍｅｎｔ类型的节点：　

递归调用ｒｅｃｏｒｄＳｕｂＴｒｅｅ０方法来序列化每个节点。　

３性能优化　

为了实现对０ｌＮＣＥⅪｖＩＬＥｄｉｔｏｒ的有效性验证和高效解析　

及序列化，我们采取了一些优化措施。下面将对重要的性能　

优化措施给出分析。　

３．１基于统计规律的有效性验证优化策略　

有效性验证模块首先对ＤＴＤ部分进行解析，记录属性和　

元素声明相关的信息，然后在解析正文时根据记录的法则验　

维普资讯

证其有效性。由于解析过程是针对文档的标记逐条进行的，　

所以采用先识别高频属性类型，然后处理低频类型的方法将　

直接影响验证效率。通过对一些典型的ＸＭＬ文档进行统计，　

我们统计出各种标记、字符数据出现的频率。表１和表２给　

况下，对节点的所有信息都进行访问的概率不大，我们采用了　

延迟装载节点对象的策略，仅当用户访问有关节点信息时才　

从有关的用户堆中复制出节点信息，这样不仅减少了不必要　

的信息复制，还提高了解析效率。　

出了统计结果。　

表１属性类型频率统计　

属性类型　出现频率／％　

ＣＤＡＴＡ　７４　ｌ　

ＮＭＴＯＫＥＮ　１０．９７　

ＥＮＵＭＥＲＡＴＩＯＮ　９　２　

ＩＤ　５．５５　

Ｏｔｈｅｒ　０．１８　

表２　ＤＴＤ中标记频度统计　

标记类型　出现频率／％　

ＡｔｔＬｉｓｔＤｅｃ１　６４．８２　

Ｃｏｍｍｅｎｔ　１８－３５　

ＥｎｔｉｔｙＤｅｃ１　ｌ３．２４　

ＥｌｅｍｅｎｔＤｅｃ１　３　５９　

Ｏｔｌ１ｅｒ　０．ｏ０　

根据上面的统计，可以看出对于ＤＴＤ部分的解析，可以　

按照ＡｔｔＬｉｓｔＤｅｃｌ、Ｃｏｍｍｅｎｔ、ＥｎｔｉｔｙＤｅｃｌ、ＥｌｅｍｅｎｔＤｅｃｌ的次序进行　

判断；而在属性的有效性验证过程中，按照ＣＤＡＴＡ、　

ＮＭＴＯＫＥＮ、ＥＮＵＭＥＲＡＴＩＯＮ、ＩＤ等的次序进行验证可达到优　

化的目的。　

３．２节点池对文档装载性能的优化　

ＤＯＭ　Ｌｏａｄ模块的解析功能主要由ＬＳＤＯＭＰａｒｓｅｒｌｍｐｌ类　

完成。ＬＳＤＯＭＰａｒｓｅｒｌｍｐｌ和ＤＯＭ　Ｃｏｒｅ　Ｐａｒｓｅｒ的最大不同是可　

以在解析的同时按需过滤部分文档。如果用户在解析过程中　

选择使用过滤器，则解析器在解析完一个语法单元之后，需要　

将这个语法单元节点传递给过滤器，由过滤函数来决定是否　

保留该节点。为了减少对象的创建，我们在ＬＳＤＯＭＰａｒｓｅｒｌｍｐｌ　

中引入了一个公用节点池来装载要传递给过滤器的节点内容，　

节点池中包括各种不同类型的节点。在解析完一个语法单元　

之后，首先获得节点池中相应节点类型的数据结构，然后在此　

数据结构中加载节点信息，并传递给过滤器方法。经过过滤　

器判断后，这个节点被放回节点池中供解析器下次继续使用。　

规范提供了两种过滤方法，一种是在碰到元素的结束标签时，　

使用ａｃｃｅｐｔＮｏｄｅ０方法过滤节点；另一种是在碰到元素的开始　

标签时，调用ｓｔａｒｔＥｌｅｍｅｎｔ０方法过滤节点。引入ｓｔａｒｔＥｌｅｍｅｎｔ０　

方法的目的是为了提高解析效率，例如对于在解析开始标签　

时已经确定被过滤的节点，解析器就不再需要完整解析它的　

节点信息。　

３．３基于ＤＯＭ解析模型的基本优化策略　

按照ＤＯＭ解析模型，在内存中构建ＤＯＭ树时需要创建　

大量对象，而对于大量对象的管理和维护会引入较大的开销，　

影响效率。针对这个问题，０ＮｃＥＸ１　ＬＥｄｉｔｏｒ引入了用户堆的　

概念，用来管理字符串对象、集合对象和节点对象，减少Ｊａｖａ　

虚拟机在对象管理方面的开销。　

由于每个节点对象包含的信息量很大，而用户在较多情　

４性能测试　

我们利用Ｓｕｎ提供的ＸＭＬ　Ｔｅｓｔｌ、１　的标准测试文档　

ｉｎｖｌ００．ｘｍｌ以及由ｉｎｖｌ００．ｘｍｌ生成的各种大小的ＸＭＬ文档，　

对Ｘｅｒｃｅｓ【　ｌ和０ＮｃＥｘＭＬＥｄｉｔｏｒ进行了性能测试。ｍｖｌ００．ｘｍｌ　

描述的是一个发货单，大小为１００　ｋ，主要由一系列货物信息　

（Ｌｉｎｅｌｔｅｍ元素）构成，每个Ｌｉｎｅｌｔｅｍ元素又包含６个子元素，　

Ｐｒｉｃｉｎｇ是其中一个子元素。　

测试环境采用Ｉｎｔｅｌ　Ｐｅｎｔｕｉｍ　４　ＣＰＵ　２．４　ＧＨｚ，５１２　Ｇ　ＤＤＲ内　

存的ＰＣ机。操作系统是Ｗｉｎｄｏｗｓ　ＸＰ　Ｐｒｏｆｅｓｓｉｏｎａｌ　ｗｉｔｈ　Ｓｅｒｖｉｃｅ　

Ｐａｃｋ２，Ｊａｖａ的运行环境是Ｊ２ＳＥ　１．４．２，虚拟机参数设置为“．ＸＸ：　

ＣｏｍｐｉｌｅＴｈｒｅｓｈｏｌｄ＝１００—－ＸＸ：＋ＡｇｇｒｅｓｓｉｖｅＨｅａｐ—Ｘｍｓ５１２Ｍ—Ｘｍｘ　

１０２４Ｍ”，将机器内存全部分配给ＪＶＭ，并且设置ＣＰＵ为抢占　

模式，同时设置虚拟内存为１　Ｇ。在该测试环境下，我们首先　

使用测试程序测试了Ｘｅｒｃｅｓ和０ＮｃＥｘＭＬＥｄｉｔｏｒ中有效性验　

证模块的解析性能。图３中，Ｘｅｒｃｅｓ表示Ｘｅｒｃｅｓ２．７、１版本中支　

持有效性验证的解析性能，ＯＮＣＥ表示０ＮｃＥｘＭＬＥｄｉｔｏｒ中支　

持有效性验证的模块的解析性能，ＤＯＭ．ＴＥＳＴ．　表示ＸＭＬ　

Ｔｅｓｔ１．１定义的６种测试标准，测试数据表示在ＸＭＬＴｅｓｔ１．１定　

义下的事务吞吐量。图３的数据表明０ＮｃＥｘＭＬＥｄｉｃ０ｒ有效　

性验证模块的解析性能平均优于Ｘｅｒｃｅｓ３０％以上。　

事务数３４０　

一～　

２９０　

’　

２４０　

１９０　

３　

１４０　

＼＼一。。　…　

：：善：：：　

９０　

；　４。　；　测试甩例　

一

＋一Ｘｅｒｃｅｓ（支持名字空间）：－・・ＯＮＣＥ（支持名字空间）　

十Ｘｅｒｃｅｓ（不支持名字空间）；—。＾一ＯＮＣＥ（不支持名字空间）　

图３有效性验证模块的解析性能　

然后，我们分别测试了Ｘｅｒｃｅｓ和０ＮｃＥｘＭＬＥｄｉｔｏｒ中Ｌｏａｄ　

ａｎｄ　Ｓａｖｅ模块的过滤解析性能。测试程序分别测试了过滤文　

档中Ｐｒｉｃｉｎｇ元素节点、接受Ｐｒｉｃｉｎｇ元素节点和过滤Ｐｒｉｃｉｎｇ元　

素节点的节点子树的性能。图４的数据表明０ＮｃＥｘＭＬＥｄｉｔｏｒ　

的过滤解析性能平均优于Ｘｅｒｃｅｓｌ５％。　

我们还分别测试了比较０ＮｃＥｘＭＬＥｄｉｔｏｒ和Ｘｅｒｃｅｓ的序　

列化方法ｗｒｉｔｅＴｏＳｔｒｉｎｇ０和ｗｒｉｔｅ（）的性能，测试结果如图５所　

示。其中，ｗｒｉｔｅ（）方法序列化一个节点，将结果保存到ＬＳＯｕｔｐｕｔ　

类型的对象中。ｗｒｉｔｅＴｏＳｔｒｉｎｇ０方法是将序列化后的内容保存　

到一个Ｓｔｒｉｎｇ中。这两种方法都是规范中提供的标准接口。　

可以看出，ＯＮＣＥ的序列化性能明显比Ｘｅｒｃｅｓ性能快，其中　

ｗｒｉｔｅ（）方法平均性能高出Ｘｅｒｃｅｓ　４９％，ｗｒｉｔｅＴｏＳｔｒｉｎｇ０方法平均　

高出Ｘｅｒｃｅｓ　３４％。　（下转第５３５８页）　

・——

５３３７・——　

维普资讯

ｓａｓＷｏｒｋｓｐａｃｅ．ＬａｎｇｕａｇｅＳｅｒｖｉｃｅ．ＳｔｏｒｅｄＰｒｏｃｅｓｓＳｅｒｖｉｃｅ．Ｒｅ—　

ｐｏｓｉｔｏｒｙ＝ｐａｔｈ；／／ｐａｔｈ是ＳＡＳ的仓库路径　

ｓａｓＷｏｒｋｓｐａｃｅ．ＬａｎｇｕａｇｅＳｅｒｖｉｃｅ．ＳｔｏｒｅｄＰｒｏｃｅｓｓＳｅｒｖｉｃｅ．Ｅｘｅ—　

参考文献　

【ｌ】　张卓．ＳＡＳ软件的应用——基于ＡＲＩＭＡ模型的商品销售额　

的预测分析【Ｊ】＿统计与信息论坛，２００５，２Ｏ（４）：１０４—１０６．　

【２】　秦立轩．统计软件ＳＡＳ与数据的读取【Ｊ】＿数理医药学杂志，　

２００３，ｌ６（２）：１６６—１６９．　

ｃｕｔｅ（”ｉｎｉｔ”）；／／ｉｎｉｔ表示Ｉｎｉｔ．ＳＡＳ，是仓库路径里面的文件，执行上　

述代码后，ＳＡＳ工作台会将Ｉｎｉｔ．ＳＡＳ里面的代码提交到ＳＡＳ服　

务器，当然我们还可以增加参数　

ｓａｓＷｏｒｋｓｐａｃｅ．ＬａｎｇｕａｇｅＳｅｒｖｉｃｅ．Ｓｕｂｍｉｔ（”ｐｒｏｃ　ｍｅａｌｌｓ　ｄａｔａ＝　

【３】　阮桂海．ＳＡＳ统计分析实用大全【Ｍ】．北京：清华大学出版社，　

２００３：６０一ｌＯＯ．　

ｓａｓｈｅｌｐ．ｃｌａｓｓ；ｒｕｎ；ｐｒｏｃ　ｒｅｐｏｒｔ；ｒｕｎ；”）；∥直接提交ＳＡＳ语句　

（６）读取执行结果　

ｓａｓＷｏｒｋｓｐａｃｅ．ＬａｎｇｕａｇｅＳｅｒｖｉｃｅ．ＦｌｕｓｈＬｉｓｔ（１００）；／／读取输出　

的结果，我们也可以读取Ｌｏｇ以及其它的输出　

（７）关闭连接　

ｓａｓＰｏｏ１ｅｄＯｂｊｅｃｔ．ＲｅｔｕｍＴｏＰｏｏｌ０；／／关闭Ｐｏｏｌ。调用结束后，　

【４】　奉国和．基于ＳＡＳ数据挖掘技术的航空ＣＲＭ系统分析【Ｊ】－．隋　

报杂志，２００６，２４（５）：５６—５９．　

【５】　李春生，罗晓沛．基于．ＮＥＴ实现分布式数据库查询【Ｊ】＿计算机　

工程与设计，２００７，２８（１２）：２９３７—２９３９．　

【６】　胡峰稳，杨娟，姜兆华，等．．ＮＥＴ下基于ＷｅｂＳｅｒｖｉｃｅ实现Ｃｒｙｓｔａｌ—　

Ｒｅｐｏｒｔ与数据库的连接【Ｊ】＿软件导刊，２００６，４（２１）：４４—４６．　

【７】　王操，许云才，张晓初，等．基于ＸＭＬ和虚拟数据中心的网上城　

市数据集成【Ｊ】＿计算机工程，２００３，２９（２１）：６１—６３．　

应该将ＳＡＳ关闭以释放内存空间。否则，会使内存占用越来　

越多，导致系统崩溃　

５结束语　

本文介绍了ＳＡＳ的功能，并通过一个简单的例子来说明　

在．ＮＥＴ平台下，如何利用ｃ　语言、ＩＯＭ来实现读取ＳＡＳ数据、　

执行ＳＡＳ代码的方法。利用此方法，可以将ＳＡＳ强大的分析　

功能和ｃ　语言的易开发性结合起来，发挥这两个方面的优点，　

构建更强大的应用系统。　

【８】　刘波，雷刚跃，杨路明，等．基于．ＮＥＴ平台通用数据库组件的设　

计与实现【Ｊ】＿计算机工程与设计，２００７，２８（６）：１４１５—１４１７．　

【９】　沈晟，沈炳炎．基于ＤＣＯＭ／ＣＯＭ＋的分布式随机库存管理系统　

应用研究【Ｊ】．计算机工程与设计，２００７，２８（１２）：２９５　１－２９５３．　

【ｌＯ】李美满，夏汉铸，易德成．基于ＣＯＭ技术的通用考试系统的设　

计与实现【Ｊ】＿计算机工程与应用，２００７，４３（１）：２４５—２４８．　

（上接第５３３７页）　

５０００　

４５００　

４０００　

３５００　

３０００　

试结果表明，ＯＮｃＥｘＭＬＥｄｉｔｏｒ的有效性验证模块和Ｌｏａｄ　ａｎｄ　

圜　匿　

～

一　

≤　《　

ｌ一８　

｛　’　＿　

§　；　Ｉ　

§　ｌ　ｌ　

目且　§　ｌ　ｊ　

■：：圈　。　Ｉ　

■。匿舅圈一　慝量　｝　ｌ　ｌ　

一　

Ｓａｖｅ模块在解析和序列化的性能方面明显高于目前最流行的　

ＸＭＬ　ｐａｒｓｅｒ　Ｘｅｒｃｅｓ。　

我们将进一步扩充编辑器的功能，包括在ＯＮＣＥＸＭＬＥｄｉ—　

ｔｏｒ中增加对ＸＭＬ　Ｓｃｈｅｍａ的支持等，使之更加实用和好用。　

参考文献：　

【ｌ】　Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ　Ｃｏｎｓｏｒｔｉｕｍ．Ｅｘｔｅｎｓｉｂｌｅ　ｍａｒｋｕｐ　ｌｎｇｕａｇｅ　ａ

（ＸＭＬ）１．０【Ｓ／０Ｌ］．３ｒｄ　Ｅｄ．ｈｔｔｐ：／／ｗｗｗ．ｗ３．ｏｒｇ／ＴＲ／ＲＥＣ－ｘｍｌ／，２００４．　

【２】　Ｗｏｒｌｄ　Ｗｉｄｅ　Ｗｅｂ　Ｃｏｎｓｏｒｔｉｕｍ．Ｄｏｃｕｍｅｎｔ　ｏｂｊｅｃｔ　ｍｏｄｅｌ（ＤＯＭ）　

【Ｓ／０　Ｌ】＿ｈｔｔｐ：ｌｌｗｗｗ．ｗ３．ｏｒｇ／ＤＯＭ／，２００５．　

【３】　Ｓｉｍｐｌｅ　ＡＰＩ　ｆｏｒ　ｘＭＬ【Ｓ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｓａｘｐｒｏｊｅｃｔ．ｏｒｅ，／，２００４．　

【４】Ｊａｖａ　Ｃｏｍｍｕｎｉｔｙ　Ｐｒｏｃｅｓｓ，ＪＳＲ　１７３：Ｓｔｒｅａｍｉｎｇ　ＡＰＩ　ｆｏｒ　ＸＭＬ【Ｓ／　

一

翻　

．　

．　．　．

一，　．

ｌ　

ｌ　ｌ　

ｌｌ　Ｉ　

１　ｌ　．１一　

疆　

ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｊｃｐ．ｏｒｇ／ｅｎ／ｊｓｒ／ｄｅｔａｉｌ？ｉｄ＝ｌ　７３６２００４．　

【５】Ｊａｖａ　ＡＰＩ　ｏｒｆ　ＸＭＬ　ｐｒｏｃｅｓｓｉｎｇ［Ｓ／ＯＬ】．ｈｔｔｐ：／／ｊａｖａ．ｓｕｎ．ｃｏｒｒｄｘｍｌ／　

ｊａｘｐ／ｉｎｄｅｘｄｓｐ．　

【６】＜ｏＸｙｇｅｎ／＞ＸＭＬ　Ｅｄｉｔｏｒ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｏｘｙｇｅｎｘｍ１．ｃｏｍ／．　

【７】Ａｌｔｏｖａ　ＸＭＬ　ｓｐｙ　２００６【ＥＢ／ＯＬ】．ｈｔｔｐ：ｌｌｗｗｗ．ａｌｔｏｖａ．ｃｏｍ／ｐｒｏ—　

ｄｕｃｔｓ／ｘｍｌｓｐｙ／ｘｍｌｅｄｉｔｏｒ．ｈｔｍ１．　

＿

【８】　ＧＵＯ　Ｈｏｎｇｙａｎ，ＹＡＮＧ　Ｂｏ，ＪＩＮ　Ｂｅｉ—ｈｏｎｇ．Ｒｅｓｅｒｃｈ　ｏｎ　ｈｉｇｈ　ｐｅｒ－　

ｆｏｒｍａｎｃｅ　ＤＯＭ　ｉｍｐｌｅｍｅｎｔａｔｉｏｎ［Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，２００６，３３　

（６）：２７４—２７７．　

【９］ＸＭＬ　Ｔｅｓｔ　ｖ１．１，Ｓｕｎ　Ｍｉｃｒｏｓｙｓｔｅｍｓ【Ｓ／ＯＬ】．ｈｔｔｐ：／／ｊａｖａ．Ｓｎ．ｕｃｏｒｎ／　

ｐｅｒｆｏｒｍａｎｃｅ／ｒｅｆｅｒｅｎｃｅ／ｃｏｄｅｓａｍｐｌｅｓ／，２００４．　

【１０】Ｔｈｅ　Ａｐａｃｈｅ　ＸＭＬ　Ｐｒｏｊｅｃｔ：Ｘｅｒｃｅｓ　Ｊａｖａ　２［Ｓ／ＯＬ］．ｈｔｔｐ：／／ｘｍ１．ａｐａ－　

ｃｈｅ．ｏｒｇ／ｘｅｒｃｅｓ２－ｊ／．