Нормализация в разборе DOM с Java - как это работает?
Я видел строку ниже в коде для парсера DOM в этом уроке.
doc.getDocumentElement().normalize();
Почему мы делаем эту нормализацию?
Я читал документы, но не мог понять ни слова.
Размещает все текстовые узлы на всю глубину поддерева под этим узлом
Хорошо, тогда кто-нибудь может показать мне (желательно с изображением), как выглядит это дерево?
Может кто-нибудь объяснить мне, зачем нужна нормализация?
Что произойдет, если мы не нормализуем?
3 ответа
Остальная часть предложения:
где только структура (например, элементы, комментарии, инструкции по обработке, разделы CDATA и ссылки на сущности) разделяет текстовые узлы, т. е. нет ни соседних текстовых узлов, ни пустых текстовых узлов.
Это в основном означает, что следующий элемент XML
<foo>hello
wor
ld</foo>
может быть представлен следующим образом в денормализованном узле:
Element foo
Text node: ""
Text node: "Hello "
Text node: "wor"
Text node: "ld"
Когда нормализуется, узел будет выглядеть так
Element foo
Text node: "Hello world"
И то же самое касается атрибутов: <foo bar="Hello world"/>
, комментарии и т. д.
Проще говоря, нормализация - это сокращение избыточности.
Примеры избыточности:
а) пробелы вне корневых тегов / тегов документа (...
б) пробелы внутри начального тега (< ...>) и конечного тега ( ...>)
c) пробелы между атрибутами и их значениями (т. е. пробелы между именем ключа и = ")
г) лишние объявления пространства имен
e) разрывы строк / пробелы в текстах атрибутов и тегов
е) комментарии и т.д...
В качестве дополнения к ответу @JBNizet для более технических пользователей, вот какова реализация org.w3c.dom.Node
интерфейс в com.sun.org.apache.xerces.internal.dom.ParentNode
похоже, дает вам представление о том, как это на самом деле работает.
public void normalize() {
// No need to normalize if already normalized.
if (isNormalized()) {
return;
}
if (needsSyncChildren()) {
synchronizeChildren();
}
ChildNode kid;
for (kid = firstChild; kid != null; kid = kid.nextSibling) {
kid.normalize();
}
isNormalized(true);
}
Обходит все узлы рекурсивно и вызывает kid.normalize()
Этот механизм отменен в org.apache.xerces.dom.ElementImpl
public void normalize() {
// No need to normalize if already normalized.
if (isNormalized()) {
return;
}
if (needsSyncChildren()) {
synchronizeChildren();
}
ChildNode kid, next;
for (kid = firstChild; kid != null; kid = next) {
next = kid.nextSibling;
// If kid is a text node, we need to check for one of two
// conditions:
// 1) There is an adjacent text node
// 2) There is no adjacent text node, but kid is
// an empty text node.
if ( kid.getNodeType() == Node.TEXT_NODE )
{
// If an adjacent text node, merge it with kid
if ( next!=null && next.getNodeType() == Node.TEXT_NODE )
{
((Text)kid).appendData(next.getNodeValue());
removeChild( next );
next = kid; // Don't advance; there might be another.
}
else
{
// If kid is empty, remove it
if ( kid.getNodeValue() == null || kid.getNodeValue().length() == 0 ) {
removeChild( kid );
}
}
}
// Otherwise it might be an Element, which is handled recursively
else if (kid.getNodeType() == Node.ELEMENT_NODE) {
kid.normalize();
}
}
// We must also normalize all of the attributes
if ( attributes!=null )
{
for( int i=0; i<attributes.getLength(); ++i )
{
Node attr = attributes.item(i);
attr.normalize();
}
}
// changed() will have occurred when the removeChild() was done,
// so does not have to be reissued.
isNormalized(true);
}
Надеюсь, это сэкономит вам время.