Java Tips：JAXPを使ってXML文書を読み込むには：JAVA Developer

JavaのプログラムからXML文書（ファイル）にアクセスする手段は、XML文書を処理するXMLプロセッサに依存します。J2SEでは標準APIとしてJAXPを提供しており、特定のXMLプロセッサに依存することなくXML文書を読み込むことができます。

[JAVA Developer]

XML文書の読み込み方法にはDOMとSAXがある

　WebアプリケーションにおいてXML文書を利用する機会が増えており，XML文書を利用するためのソリューションも整いつつあります。ここでは，XML文書を利用するための基礎として，DOM（Document Object Model）によるXML文書の読み込み方法を紹介します。なお，XML文書の基本的な読み込み方法としては，DOMのほかにSAX（Simple API for XML）を利用する方法もあります。次の表は，DOMとSAXの一般的な特徴を整理したものです。

表1 DOMとSAXの違い

	DOM	SAX
APIの特徴	ツリー構造に基づくAPI	イベント駆動型API
XML文書へのアクセス	XML文書の解析後にアクセス可能	基本的にXML文書の解析中のみ
ツリー構造	保持する	保持しない
メモリー使用量	XML文書に依存	XML文書の大きさに関わらず少ない
大きなXML文書	あまり向かない	向いている

　JAXPとDOMによってXML文書を読み込む場合は，リスト1に示すようにjavax.xml.parsers.DocumentBuilderFactoryオブジェクトを作り，さらにjavax.xml.parsers.DocumentBuilderオブジェクトを作ります。

リスト1 DOMを使ったXML文書の読み込み（抜粋）

String url = "test.xml";
 
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
Document doc = builder.parse(url); // XML文書をパース
 
Element element = doc.getDocumentElement(); // ルート要素の取得
NodeList list = element.getChildNodes();    // 子要素を含んだノードを列挙
Node node;
for (int iNode=0; (node = list.item(iNode))!=null; iNode++) {
    // ノードの処理
}

　太字のDocumentBuilder#parseメソッドが，実際にXML文書を読み込みパース（解析）する部分です。パースした結果をorg.w3c.dom.Documentオブジェクトに格納しています。このDocumentオブジェクトは，XML（またはHTML）文書全体を表すもので，これを使って文書ツリーにアクセスします。具体的には，Document#getDocumentElementメソッドを使ってルート要素（org.w3c.dom.Elementオブジェクト）を取得。次にElement#getChildNodesメソッドでその要素を構成する子ノード一覧を表すorg.w3c.dom.NodeListオブジェクトを取得し，各ノードにアクセスします。

　ノードから取得できる情報は，ノード型（nodeType）によって異なります。

表2 ノードが保持する情報（値）の違い

型	名前	値	属性
ATTRIBUTE_NODE	属性名	属性値	null
CDATA_SECTION_NODE	"#cdata-section"	CDATAセクションのコンテンツ	null
COMMENT_NODE	"#comment"	コメントのコンテンツ	null
DOCUMENT_NODE	"#document"	null	null
DOCUMENT_FRAGMENT_NODE	"#document-fragment"	null	null
DOCUMENT_TYPE_NODE	文書型名	null	null
ELEMENT_NODE	タグ名	null	NamedNodeMap
ENTITY_NODE	エンティティ名	null	null
ENTITY_REFERENCE_NODE	参照されるエンティティの名前	null	null
NOTATION_NODE	表記法名	null	null
PROCESSING_INSTRUCTION_NODE	ターゲット	ターゲットを除くすべてのコンテンツ	null
TEXT_NODE	"#text"	テキストノードのコンテンツ	null

　次にサンプルのXML文書を示します。

リスト2 テスト用のXML文書

<?xml version="1.0" encoding="utf-8" ?>
<data>
  <item type="private">
    <title>asahi.com</title>
    <link>http://www.asahi.com/</link>
    <description />
  </item>
</data>

　DOMでは，XML文書を細分化し，それぞれをノードとして扱います。たとえばルート要素であるdataやその子要素であるitemは，ノード型ELEMENT_NODEのノードとなり，item要素の属性であるtypeはノード型ATTRIBUTE_NODEのノードとなります。また，要素の内容を示すasahi.comやhttp://www.asahi.com/はTEXT_NODEのノードとなります。このほか，タグとタグの間にある改行やスペースもTEXT_NODEのノードとして扱われます。

　具体的にプログラムを見てみましょう。リスト3は，item要素の属性とその子要素の内容を取得するものです。

リスト3 DOMを使った要素の属性と内容の取得（抜粋）

Element element = doc.getDocumentElement(); // ルート要素の取得
NodeList list = element.getChildNodes();    // 子要素を含んだノードを列挙
Node node;
for (int iNode=0; (node = list.item(iNode))!=null; iNode++) {
    String nodeName = node.getNodeName();
    if (nodeName.equals("item")) {
        System.out.println(nodeName);
        // (1)要素の属性を取得
        NamedNodeMap attrMap = node.getAttributes();
        int attrs = attrMap.getLength();
        for (int iAttr=0; iAttr<attrs; iAttr++) {
            Node attr = attrMap.item(iAttr);
            System.out.println(
                    attr.getNodeName() + "=" + attr.getNodeValue());
        }
        // (2)子要素を取得
        NodeList childNodes = node.getChildNodes();
        Node childNode;
        for (int iItem=0;
                (childNode = childNodes.item(iItem))!=null; iItem++) {
            String childName = childNode.getNodeName();
            if (childNode.getNodeType() == org.w3c.dom.Node.ELEMENT_NODE) {
                String value = null;
                try {
                    value = childNode.getFirstChild().getNodeValue();
                }
                catch (NullPointerException e) {
                    // 内容なし
                }
                System.out.println(
                        childNode.getNodeName() + ">"+ value);
            }
        }
    }
}

　要素の属性は，getAttributesメソッドを使ってorg.w3c.dom.NamedNodeMapオブジェクトを取得します。ここではすべての属性（ノード）を順番に取得していますが，NamedNodeMap#getNamedItemメソッドに属性名を与えてその属性を取得することも可能です。

　子要素の取得は，ルート要素の場合と同じNode#getChildNodesメソッドを使います。ここでは，ノード型を取得して要素（ELEMENT_NODE）であれば，その子ノード（TEXT_NODE）の値を取得して表示しています。リスト2ののように内容が省略されている場合，要素のを格納する子ノードは存在せず，getFirstChildメソッドの戻り値はnullになります。リスト3では，その例外（NullPointerException）をキャッチして対応しています。

　リスト3を実行すると，コンソールには次のように表示されます。リスト2がパースされ，要素の属性や内容を取得できていることがわかります。

item
type=private
title>asahi.com
link>http://www.asahi.com/
description>null

　「JAVA Developer」より毎週役立つJava Tipsを配信中。ほかにも参考になるTipsは、JAVA Developerサイトのバックナンバーから探すことが可能です。