java怎么遍历document

基础认知体系构建

1 文档模型分类

2 关键术语对照表

DOM解析深度实践（以XML为例）

1 标准实现流程

// 1. 创建DocumentBuilderFactory实例
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
factory.setNamespaceAware(true); // 启用命名空间支持
// 2. 构建Document对象
DocumentBuilder builder = factory.newDocumentBuilder();
Document doc = builder.parse(new File("books.xml"));
// 3. 遍历根节点下的所有子节点
NodeList bookList = doc.getElementsByTagName("book");
for (int i = 0; i < bookList.getLength(); i++) {
    Element book = (Element) bookList.item(i);
    // 4. 提取元素内容
    String title = book.getElementsByTagName("title").item(0).getTextContent();
    double price = Double.parseDouble(book.getElementsByTagName("price").item(0).getTextContent());
    // 5. 处理属性
    String category = book.getAttribute("category");
    // 6. 递归遍历子节点（可选）
    traverseChildren(book);
}
private void traverseChildren(Node parent) {
    NodeList children = parent.getChildNodes();
    for (int j = 0; j < children.getLength(); j++) {
        Node child = children.item(j);
        if (child.getNodeType() == Node.ELEMENT_NODE) {
            System.out.println("发现元素: " + child.getNodeName());
            traverseChildren(child); // 深度优先遍历
        } else if (child.getNodeType() == Node.TEXT_NODE) {
            System.out.println("文本内容: " + child.getTextContent().trim());
        }
    }
}

2 高级技巧组合

3 性能优化策略

HTML文档特殊处理（Jsoup方案）

1 典型用法示例

// 1. 解析HTML文档
Document doc = Jsoup.connect("https://example.com").get();
// 2. 选择器方式遍历
Elements links = doc.select("a[href]"); // 获取所有带href属性的链接
for (Element link : links) {
    String url = link.attr("href");
    String text = link.text();
    // ...后续处理逻辑
}
// 3. 修改文档结构
Element table = doc.selectFirst("table");
table.select("tr:odd").addClass("highlight"); // 隔行变色效果
System.out.println(doc.html()); // 输出修改后的HTML

2 HTML特有处理要点

SAX与StAX流式解析对比

1 SAX事件驱动模型

public class SaxParser extends DefaultHandler {
    @Override
    public void startElement(String uri, String localName, String qName, Attributes attrs) {
        if ("book".equals(qName)) {
            currentBook = new Book();
            // 初始化新书籍对象
        }
    }
    @Override
    public void characters(char[] ch, int start, int length) {
        if (currentBook != null) {
            currentBook.setContent(new String(ch, start, length));
        }
    }
    @Override
    public void endElement(String uri, String localName, String qName) {
        if ("book".equals(qName)) {
            books.add(currentBook);
            currentBook = null;
        }
    }
}

优势：内存占用仅为DOM的1/5~1/10，适合GB级大文件处理；劣势：无法随机访问节点，需自行维护状态机。

2 StAX拉模式解析

XMLInputFactory factory = XMLInputFactory.newInstance();
XMLStreamReader reader = factory.createXMLStreamReader(new FileInputStream("large.xml"));
while (reader.hasNext()) {
    int event = reader.next();
    switch (event) {
        case XMLStreamReader.START_ELEMENT:
            if ("important".equals(reader.getLocalName())) {
                // 处理关键元素
            }
            break;
        case XMLStreamReader.CHARACTERS:
            // 处理文本内容
            break;
        // ...其他事件处理
    }
}

特点：结合推/拉模式优势，可通过peek()预读下一个事件，适合复杂条件判断场景。

常见问题解决方案库

Q1: 如何处理XML命名空间冲突？

A: 在创建DocumentBuilder时设置命名空间感知：

factory.setNamespaceAware(true);
// 然后通过带URI的完整名称访问元素：
NodeList nodes = doc.getElementsByTagNameNS("http://example.com/ns", "localName");

补充说明：若遇到未知命名空间，可通过builder.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false)禁用外部DTD加载。

Q2: 遍历时出现”NullPointerException”如何解决？

A: 常见原因及对策：
| 错误位置 | 根本原因 | 解决方案 |
|————————|——————————|———————————–|
| item(i)返回null | 索引越界或标签不存在 | 添加if (i < nodeList.getLength())校验 |
| getTextContent()为空 | 节点类型不匹配（如注释节点） | 先检查getNodeType()是否为ELEMENT_NODE |
| 属性获取失败 | 属性未定义 | 使用hasAttribute()前置判断 |
| Jsoup选择器无结果 | CSS语法错误或DOM未完全加载 | 添加await().atMost(5, SECONDS)等待异步加载 |

选型决策矩阵