2 5 - SAX DOM

Vista previa del material en texto

���������	
�
������
��������
��������
��
�����
��������������
�
� ����������
�
73;34 
!)C& *3�
2.5.1. Procesamiento de documentos XML. 
Un analizador o parser XML es una herramienta encargada de leer 
documentos XML 
[17]
, poder acceder a sus elementos y comprobar si el documento es 
sintácticamente válido. Estas herramientas son módulos, bibliotecas o programas que 
se ocupan de transformar un archivo XML en una representación interna. Entre esos 
analizadores o parsers cabe destacar: 
• SAX (Simple API for XML): se encarga de recorrer la estructura del 
documento generando eventos que corresponden a los elementos que se 
va encontrando. 
• DOM (Document Object Model): representa el archivo en una estructura 
tipo árbol que usará para leer el documento. 
SAX y DOM permiten analizar el lenguaje XML y definir la estructura de un 
documento. La validación del documento XML consiste en comprobar que el 
documento, además de estar bien formado de acuerdo a las reglas de XML, responde 
a una estructura definida en una Definición del Tipo de Documento (DTD) o en un 
XMLSchema. 
Este procesamiento del documento XML se subdivide en dos fases: 
1) Procesamiento de entrada XML: 
� Analizar y validar. 
� Reconocer/buscar información importante basándonse en su 
localización o en su etiquetado. 
� Extraer la información importante una vez que se ha localizado. 
� Opcionalmente, mapear/unir la información recuperada a objetos de 
negocio 
2) Precesamiento de salida XML: 
� Construir un modelo del documento. 
� Aplicar hojas de estilo XSLT o serializar directamente a XML. 
Estas fases son diferentes en SAX y en DOM. La Tabla 36 muestra las fases 
para cada uno de los dos analizadores: 
���������	
�
������
��������
��������
��
�����
��������������
����������
�
Procesamiento Fase SAX DOM
Entrada XML 
Analizar y validar Interno Interno o basado en SAX 
Reconocer y 
buscar 
Capturar eventos con 
manejadores de eventos 
Buscar en el árbol con 
buscadores. 
Extraer 
Capturar eventos Obtener valores de 
atributos, contenidos de 
nodos: métodos del API 
Mapear/unir 
Crear objetos de negocio 
desde la información 
extraída 
Crear objetos de negocio 
desde la información 
extraída 
Salida XML 
Construcción 
No hay soporte por 
defecto. 
Parte implícita del modelo: 
API de métodos factoría 
Serialización 
No hay soporte por 
defecto, pero puede 
hacerse con manejadores 
de eventos 
Soporte de 
implementación 
específico, o a través de 
transformaciones XSLT. 
Tabla 36.- Fases del procesamiento de un documento XML para SAX y DOM. 
2.5.2. API SAX. 
73;37323 �������������.��������������!���
!)3�
Simple API for XML (SAX), es una interfaz simple que se encarga de procesar 
o analizar la información del documento XML por eventos. SAX lee el documento 
secuencialmente de principio a fin, sin cargarlo en memoria, de forma que cuando 
encuentra un elemento se encarga de lanzar su evento sociado. Cuando el evento es 
lanzado éste puede ser capturado para realizar una función determinada. Esta API 
está definida en el paquete: javax.xml.parsers.
Para que estos eventos se puedan capturarse y realizar las operaciones que 
se deseen se debe usar un manejador de eventos. Un manejador es una clase con 
una serie de métodos y cada método se ejecutará cuando el analizador capture su 
evento asociado. Estos eventos se producen al leer un documento (al comienzo del 
documento, apertura o cierre de un elemento, al encontrar una instrucción de proceso 
o un comentario, etc.). 
SAX 2.0 define cuatro interfaces básicas de manejadores de eventos: 
• ContentHandler: se utiliza para tratar eventos generales del documento, 
como apertura y cierre de etiquetas o cuando aparecen bloques de texto. 
• DTDHandler: invocado para tratar eventos relacionados con las DTD’s. 
• EntityResolver: se utiliza para resolver referencias a entidades externas. 
• ErrorHandler: maneja los errores y warnings. 
Para poder hacer uso del analizador primero se debe obtener una instancia de 
una factoría de analizadores (SAXParserFactory). Con esta factoría se crea el 
analizador (SAXParser, javax.xml.parsers) que encapsula un objeto de la interfaz 
���������	
�
������
��������
��������
��
�����
��������������
�
� ����������
�
Parser (org.xml.sax). A este analizador se le asocia el/los manejador/es, que poseen 
los métodos que se deben ejecutar al capturar un evento lanzado por el analizador. Y, 
por último, se le pasa al analizador el documento para empezar a leerlo y validarlo. 
Ilustración 18.- Modelo de la API SAX. 
Los métodos del manejador no están implementados, luego se tendrán que 
codificar aquellos que se quieran utilizar. Representan la lógica que se debe ejecutar 
al llevarse a cabo cada evento, entre ellos destacan: 
Método Lanzamiento del evento
startDocument() Invocado cuando comienza un documento.
endDocument() Invocado cuando finaliza un documento.
startElement(nombre, atributos) Invocado cuando se abre una etiqueta.
endElement(nombre) Invocado cuando se cierra una etiqueta.
characters(texto) Invocado al leer el texto contenido en cada elemento. 
Tabla 37.- Métodos del manejador. 
Lo explicado anteriormente es lo que se ha usado en este proyecto para 
realizar la validación y lectura de los ficheros de configuración y de GPC así como la 
validación de los documentos XML de Guías de Práctica Clínica con respecto a un 
XML-Schema. 
73;37373 �����������������������!���
!)3�
Las características generales que definen la API SAX se resumen en: 
• SAX define una API para un analizador basado en eventos. 
Ilustración 19.- Ejemplo de llamada de eventos en una línea de un documento XML.
M/" 8$(&%"!N��'"0#�ME/" 8$(&%"!N�
�* + � ���	 �+������
�* + � ���	 	��� ��
�* + � ����+������
���������	
�
������
��������
��������
��
�����
��������������
����������
�
• El analizador lee un documento XML desde el principio hasta el final, y cada vez 
que reconoce una síntaxis de construcción, se lo notifica a la aplicación que lo 
está ejecutando. 
• Procesamiento de un documento fuente como un stream de eventos. 
• Los eventos son disparados mientras se analiza el documento como un flujo 
continuo de retrollamadas e invocaciones a métodos.
• Los eventos están anidados de la misma forma que los elementos en el 
documento, por lo tanto, no se crea ningún modelo de documento intermedio. 
• Es más eficiente en cuanto al tiempo y la memoria empleados en el análisis ya 
que SAX no necesita la creación de un modelo de objeto como DOM. 
• Permite la validación de un documento XML. 
Estas características hacen que SAX sea apropiado para la lectura y 
validación de documentos en los que sólo sea necesario procesarlo una sola vez, ya 
que SAX no crea un modelo y lo mantiene en memoria para su posterior uso. 
También es ideal en el caso de tener archivos de gran tamaño ya que lee el 
documento sin ocupación de memoria. 
SAX, con estas características, es suficiente para las labores de validación del 
documento XML de GPC y de los ficheros de configuración así como para la lectura 
de estos últimos. Por ello SAX con un menor gasto de memoria y mayor rapidez es la 
mejor elección para el uso en este servicio de gestión.
2.5.3. API DOM. 
73;39323 �������������.��������������!���& *3�
El API "Document Object Model" (DOM) es un conjunto de interfaces que 
describen una estructura abstracta para un documento XML. DOM carga el 
documento XML entero en memoria con una estructura tipo árbol. Cada elemento del 
documento XML se representa con un nodo (DOMNode). DOM está definido en los 
paquetes org.w3c.dom y javax.xml.parsers.
El árbol jerárquico de información en memoria permite que a través del 
manejador pueda manipularse la información: crear o eliminar información de un nodo 
en cualquier punto del árbol, acceder o cambiar su contenido y mover la herencia de 
nodos. 
Para poder hacer uso del parser se debe obtener una instancia de unafactoría 
analizadora (DocumentBuiderFactory). Con esta factoría se crea el analizador 
(DocumentBuilder) que es capaz de producir un nodo Document que cumple la 
especificación DOM, es decir, crear el inicio del árbol. Se puede crear un nodo 
Document vacío con el método newDocument() o crear el árbol completo de un 
���������	
�
������
��������
��������
��
�����
��������������
�
� ��������
�
�
documento XML pasándole éste al analizador con el método 
parser(documento_XML). A este analizador se le asocia/n el/los manejador/es, que 
indicarán las operaciones a realizar al capturar un evento lanzado por el analizador. 
Estas operaciones a realizar se encuentran definidas en sus métodos. Y, por último, 
se le pasa al analizador el documento para empezar a leer el documento y validarlo. 
Ilustración 20.- Modelo DOM. 
73;39373 ����������������������!���& *3�
Las características principales de la API DOM son las siguientes: 
• DOM representa en memoria el documento XML mediante una estructura 
tipo árbol. 
• Cada elemento del documento XML se representa con un nodo dentro del 
árbol. 
• Se proporcionan gran variedad de funciones para navegar a través del 
árbol DOM. 
• Permite manipular el árbol en memoria, añadiendo un nuevo elemento o 
eliminando uno existente, actualizándolo o únicamente consultarlo. 
• Permite la validación de un documento XML. 
DOM permite disponer de la estructura del documento XML en memoria, luego 
es apropiado para el manejo de documentos XML que no sean de gran tamaño, ya 
que implicaría un gasto de memoria considerable. Está orientado a aplicaciones en 
las que se quiere consultar el documento varias veces o incluso modificarlo gracias, 
también, a que el árbol permanece en memoria. Sin embargo hay que tener en 
cuenta que el almacenamiento del documento XML en memoria mediante la 
estructura en árbol requiere de un coste en tiempo adicional además del coste en 
memoria. 
���������	
�
������
��������
��������
��
�����
��������������
����������
�
2.5.4. Diferencias entre SAX y DOM. 
La principal diferencia entre DOM y SAX es que mientras el primero tiene 
acceso al documento completo, es decir, que todos los elementos y atributos están 
disponibles a la vez, en SAX sólo está disponible el elemento actual. En las 
siguientes figuras se muestra el proceso de cada analizador: 
Ilustración 21.- Proceso al parsear con SAX. Ilustración 22.- Proceso al parsear con DOM.
Las Tabla 38 se ilustran las diferencias entre las APIs de SAX y DOM: 
SAX DOM
Modelo basado en eventos Estructura de datos tipo árbol 
Acceso serie 
(flujo de eventos) 
Acceso aleatorio 
(estructura de datos en memoria) 
Bajo uso de memoria 
(sólo se generan eventos) 
Alto uso de memoria 
(todo el documento se carga en memoria) 
Para procesar partes del documento 
(capturar eventos importantes) 
Para editar el documento 
(procesar la estructura de datos en memoria) 
Para procesar el documento sólo una vez 
(flujo de eventos temporal). 
Para procesar el documento múltiples veces 
(documento cargado en memoria). 
Tabla 38.- Diferencias entre SAX y DOM. 
�
���������	
�
������
��������
��������
��
�����
��������������
�
� ����������
�
Y por último, la siguiente tabla muestra cuándo es más útil utilizar cada uno de 
los analizadores: 
SAX DOM
Cuando no haya una modificación estructural 
del documento. 
Para modificar el documento. 
Menor gasto de memoria y mayor rapidez. Si se necesita realizar múltiples procesados. 
Si sólo se necesitan partes de documentos Evita tener que volver a analizar el documento 
Para documentos XML grandes, en donde 
sólo haya que procesar una pequeña parte 
de la información. 
Para documentos XML pequeños que necesiten 
ser procesados en su práctica totalidad. 
Permite recorrer secuencialmente un 
documento XML y responder a una serie de 
eventos. 
Evita tener que construir tu propio árbol. 
Tabla 39.- Casos en los que usar SAX o DOM. 
2.5.5. Conclusión. 
Los analizadores son herramientas para el manejo de documentos XML, 
desde la lectura o modificación del documento hasta la validación del mismo. 
A lo largo de los distintos apartados se han ido mostrando las características y 
funcionamiento de cada uno de los analizadores. En ellos se aclara que SAX es el 
mejor para el servicio que se va a implementar: leer y validar los fichero XML de 
configuración y de GPC. 
Esta elección ha sido la seleccionada principalmente porque se trata de 
documentos que en esos casos sólo van a ser consultado una vez, luego el coste en 
memoria y tiempo va a ser positivo.