在Java中遍历Document对象是处理XML或HTML文档时的常见需求,无论是解析配置文件、提取网页数据还是处理结构化信息，掌握高效的遍历方法都至关重要，本文将系统介绍Java中遍历Document的核心方法，涵盖DOM、SAX、XPath等主流技术，并结合代码示例说明其适用场景与实现细节。
DOM解析器遍历Document
DOM（Document Object Model）将整个文档加载到内存中构建树形结构，遍历过程直观且灵活，通过org.w3c.dom.Document接口提供的API，可以轻松访问文档的每个节点，首先需获取Document实例，通常使用DocumentBuilderFactory和DocumentBuilder完成解析：
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
Document document = builder.parse(new File("example.xml"));
遍历DOM树的核心方法是getElementsByTagName()和getChildNodes()，前者通过标签名获取节点列表，后者获取当前节点的所有子节点，以下为递归遍历整个文档的示例：
public void traverseNode(Node node) {
switch (node.getNodeType()) {
case Node.ELEMENT_NODE:
System.out.println("Element: " + node.getNodeName());
NodeList children = node.getChildNodes();
for (int i = 0; i < children.getLength(); i++) {
traverseNode(children.item(i));
}
break;
case Node.TEXT_NODE:
String text = node.getTextContent().trim();
if (!text.isEmpty()) {
System.out.println("Text: " + text);
}
break;
}
}
DOM遍历的优势在于支持随机访问和修改节点,但缺点是内存消耗大，不适合处理大型文档，对于超过10MB的XML文件，建议考虑SAX或StAX解析器。
SAX解析器的事件驱动遍历
SAX（Simple API for XML）采用事件驱动模型，通过DefaultHandler回调方法处理文档内容，遍历过程无需将整个文档加载到内存，适合处理大型文件，关键步骤包括继承DefaultHandler并重写核心方法：
public class SaxHandler extends DefaultHandler {
@Override
public void startElement(String uri, String localName,
String qName, Attributes attributes) {
System.out.println("Start Element: " + qName);
for (int i = 0; i < attributes.getLength(); i++) {
System.out.println("Attribute: " + attributes.getQName(i)
+ " = " + attributes.getValue(i));
}
}
@Override
public void characters(char[] ch, int start, int length) {
String text = new String(ch, start, length).trim();
if (!text.isEmpty()) {
System.out.println("Text: " + text);
}
}
@Override
public void endElement(String uri, String localName, String qName) {
System.out.println("End Element: " + qName);
}
}
使用SAX解析器时,需通过XMLReader设置处理器并解析文档：
SAXParserFactory factory = SAXParserFactory.newInstance();
SAXParser saxParser = factory.newSAXParser();
XMLReader reader = saxParser.getXMLReader();
reader.setContentHandler(new SaxHandler());
reader.parse("example.xml");
SAX遍历的内存效率高,但只能顺序读取且不支持修改节点，适合只读场景。
XPath表达式精准定位节点
XPath（XML Path Language）提供强大的节点定位能力，通过表达式快速提取特定元素，结合javax.xml.xpath包，可以简化遍历逻辑：
XPathFactory xPathFactory = XPathFactory.newInstance();
XPath xpath = xPathFactory.newXPath();
String expression = "/bookstore/book[price>35]/author";
Node authorNode = (Node) xpath.evaluate(expression, document, XPathConstants.NODE);
System.out.println("Author: " + authorNode.getTextContent());
XPath支持复杂的查询条件,如//book[@category='web']选择所有category属性为web的book元素，对于需要频繁查询的文档，XPath能显著提升遍历效率。
Java 8 Stream API处理节点集合
当使用DOM解析器获取节点列表后,可以结合Java 8 Stream API进行函数式遍历：
NodeList bookNodes = document.getElementsByTagName("book");
Arrays.stream(bookNodes)
.map(Node::getTextContent)
.filter(text -> text.contains("XML"))
.forEach(System.out::println);
这种方式适合对节点集合进行批量处理,如过滤、转换或聚合操作，代码更简洁且易于并行化。
性能优化与最佳实践
- 选择合适的解析器：小型文档用DOM，大型文档用SAX或StAX，复杂查询用XPath。
- 节点复用：在DOM遍历中避免频繁创建临时对象，重用NodeList和Node引用。
- 异常处理：添加XML解析异常捕获，如
SAXException和IOException。 - 命名空间处理：若文档包含命名空间，需在工厂中设置
setNamespaceAware(true)。
遍历Document的核心在于理解文档结构模型,根据应用场景选择最优方案，DOM适合灵活操作，SAX适合内存敏感场景，XPath适合精准查询，而Stream API则提供了现代化的数据处理方式，掌握这些技术，能高效应对各种XML/HTML文档处理需求。
