Parsing file .gpx

[Javino89]

Leggo che si hanno problemi con il DOM quando i file xml cominciano a pesare qualche mb. Fino ad ora i file gpx che ho visto a stento raggiungono i 100 kb. Punto a favore per il DOM. Allo stesso tempo mi pare di capire che tramite il SAX è piuttosto semplice scartare gli elementi che non servono e considerare solo quelli che servono. Tra l'altro a me serve solo estrapolare le informazioni e non modificarle.

[andbin]

Leggo che si hanno problemi con il DOM quando i file xml cominciano a pesare qualche mb. Fino ad ora i file gpx che ho visto a stento raggiungono i 100 kb. Punto a favore per il DOM. Allo stesso tempo mi pare di capire che tramite il SAX è piuttosto semplice scartare gli elementi che non servono e considerare solo quelli che servono. Tra l'altro a me serve solo estrapolare le informazioni e non modificarle.

Con SAX è facile scartare (o al contrario considerare) certi elementi, presi a sé stanti. Ma è più difficile gestire e tenere un "contesto" che fornisca informazioni tipo: a che livello di profondità si è arrivati, se un certo nodo è seguito da un altro nodo ben preciso, ecc... Perché sono cose da gestire espressamente "a mano" (SAX su questi aspetti non aiuta!).

Con DOM hai semplicemente un ... albero e puoi "navigarci" dentro come vuoi, avanti, indietro, in profondità, ecc.... Ma appunto devi navigarci, cioè dovresti partire dal nodo radice, prendere la lista dei figli, dire es.: se un nodo figlio è <metadata> magari entri in un tuo metodo che scansiona e gestisce i suoi figli specifici, ecc....

Altrimenti con DOM puoi usare XPath, che permette di "indirizzare" velocemente certi nodi usando una apposita espressione. A questo punto può essere utile (anzi è meglio..) fare un esempio. Anche perché nel tuo caso, nel documento .gpx c'è un inghippo un pochino rognoso: ovvero i namespace. Vedi che all'inizio c'è:

<gpx xmlns="http://www.topografix.com/GPX/1/1" ....

Vuol dire che c'è un namespace di "default" e tutti i tag gpx, metadata, link, trk, ecc... sono associati a questo namespace. E nella espressione XPath bisogna considerare i namespace: o direttamente (ma la espressione diventa mooolto complessa) o attraverso un prefisso, che però va "mappato" (con XPath di JAXP c'è la interfaccia NamespaceContext che non ha purtroppo implementazioni predefinite e bisogna farne una esplicita).

Bene, dato il tuo file .gpx (per la mia prova ho solo chiuso i tag aperti, visto che non l'hai postato completo), ho scritto questo:

import java.util.*;
import javax.xml.XMLConstants;
import javax.xml.namespace.*;
import javax.xml.parsers.*;
import javax.xml.xpath.*;
import org.w3c.dom.*;
import org.xml.sax.*;

public class LetturaGpx {
    public static void main(String[] args) {
        try {
            DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
            dbf.setNamespaceAware(true);
            DocumentBuilder builder = dbf.newDocumentBuilder();

            Document document = builder.parse("prova.gpx");

            XPathFactory xpf = XPathFactory.newInstance();
            XPath xpath = xpf.newXPath();
            xpath.setNamespaceContext(new GpxNamespaceContext());

            Object result = xpath.evaluate("/gpx:gpx/gpx:trk/gpx:trkseg/gpx:trkpt/gpx:time/text()",
                    document, XPathConstants.NODESET);

            NodeList list = (NodeList) result;

            for (int i = 0; i < list.getLength(); i++) {
                Node node = list.item(i);

                System.out.println(node.getNodeValue());
            }
        } catch (Exception e) {
            System.err.println(e);
        }
    }
}


class GpxNamespaceContext implements NamespaceContext {
    public String getNamespaceURI(String prefix) {
        if (prefix == null) {
            throw new IllegalArgumentException("prefix cannot be null");
        } else if (prefix.equals("gpx")) {
            return "http://www.topografix.com/GPX/1/1";
        } else {
            return XMLConstants.NULL_NS_URI;
        }
    }

    public String getPrefix(String namespaceURI) {
        return null;   // getPrefix non serve in questo caso
    }

    public Iterator getPrefixes(String namespaceURI) {
        return null;   // getPrefixes non serve in questo caso
    }
}

L'output è:
2007-06-20T13:00:00Z
2007-06-20T13:00:07Z
2007-06-20T13:00:32Z
2007-06-20T13:01:01Z

Ovvero: ho selezionato tutti i nodi di "testo" che sono quelli contenuti nei <time> sotto <trkpt>.