Cómo analizar datos XML

Extensible Markup Language (XML) es un conjunto de reglas para codificar documentos en formato legible por máquina. XML es un formato popular para compartir datos en Internet. Los sitios web que actualizan con frecuencia su contenido, como los de noticias o blogs, suelen proporcionar un feed XML para que los programas externos puedan estar al tanto de los cambios de contenido. La carga y el análisis de datos XML es una tarea común para las apps conectadas a redes. En esta lección, se explica cómo analizar documentos XML y utilizar sus datos.

Para obtener más información sobre cómo crear contenido basado en la Web en tu app de Android, consulta Aplicaciones web.

Cómo elegir un analizador

Recomendamos XmlPullParser, que es una forma eficiente y sostenible de analizar XML en Android. Históricamente, Android ha tenido dos implementaciones de esta interfaz:

Puedes usar cualquiera de las dos. El ejemplo de esta sección utiliza ExpatPullParser mediante Xml.newPullParser().

Cómo analizar el feed

El primer paso para analizar un feed es decidir en qué campos estás interesado. El analizador extrae datos para esos campos e ignora el resto.

Aquí hay un extracto del feed que se está analizando en la aplicación de ejemplo. Cada mensaje de StackOverflow.com aparece en el feed como una etiqueta entry que contiene varias etiquetas anidadas:

<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:creativeCommons="http://backend.userland.com/creativeCommonsRssModule" ...">
<title type="text">newest questions tagged android - Stack Overflow</title>
...
    <entry>
    ...
    </entry>
    <entry>
        <id>http://stackoverflow.com/q/9439999</id>
        <re:rank scheme="http://stackoverflow.com">0</re:rank>
        <title type="text">Where is my data file?</title>
        <category scheme="http://stackoverflow.com/feeds/tag?tagnames=android&sort=newest/tags" term="android"/>
        <category scheme="http://stackoverflow.com/feeds/tag?tagnames=android&sort=newest/tags" term="file"/>
        <author>
            <name>cliff2310</name>
            <uri>http://stackoverflow.com/users/1128925</uri>
        </author>
        <link rel="alternate" href="http://stackoverflow.com/questions/9439999/where-is-my-data-file" />
        <published>2012-02-25T00:30:54Z</published>
        <updated>2012-02-25T00:30:54Z</updated>
        <summary type="html">
            <p>I have an Application that requires a data file...</p>

        </summary>
    </entry>
    <entry>
    ...
    </entry>
...
</feed>

La app de ejemplo extrae datos de la etiqueta entry y sus etiquetas anidadas title, link y summary.

Cómo instanciar el analizador

El siguiente paso es instanciar un analizador y comenzar el proceso de análisis. En este fragmento, se instancia un analizador para que no procese espacios de nombres y para usar el InputStream proporcionado como entrada. Inicia el proceso de análisis con una llamada a nextTag() e invoca el método readFeed(), que extrae y procesa los datos que le interesan a la app:

Kotlin

// We don't use namespaces
private val ns: String? = null

class StackOverflowXmlParser {

    @Throws(XmlPullParserException::class, IOException::class)
    fun parse(inputStream: InputStream): List<*> {
        inputStream.use { inputStream ->
            val parser: XmlPullParser = Xml.newPullParser()
            parser.setFeature(XmlPullParser.FEATURE_PROCESS_NAMESPACES, false)
            parser.setInput(inputStream, null)
            parser.nextTag()
            return readFeed(parser)
        }
    }
 ...
}

Java

public class StackOverflowXmlParser {
    // We don't use namespaces
    private static final String ns = null;

    public List parse(InputStream in) throws XmlPullParserException, IOException {
        try {
            XmlPullParser parser = Xml.newPullParser();
            parser.setFeature(XmlPullParser.FEATURE_PROCESS_NAMESPACES, false);
            parser.setInput(in, null);
            parser.nextTag();
            return readFeed(parser);
        } finally {
            in.close();
        }
    }
 ...
}

Cómo leer el feed

El método readFeed() realiza el trabajo real de procesar el feed. Busca elementos con la etiqueta "entrada" como punto de partida para procesar el feed de forma recursiva. Si una etiqueta no es del tipo entry, se la omite. Una vez que se haya procesado todo el feed, readFeed() mostrará una lista con las entradas List (incluidos los miembros de datos anidados) que extrajo del feed. El analizador después mostrará List.

Kotlin

@Throws(XmlPullParserException::class, IOException::class)
private fun readFeed(parser: XmlPullParser): List<Entry> {
    val entries = mutableListOf<Entry>()

    parser.require(XmlPullParser.START_TAG, ns, "feed")
    while (parser.next() != XmlPullParser.END_TAG) {
        if (parser.eventType != XmlPullParser.START_TAG) {
            continue
        }
        // Starts by looking for the entry tag
        if (parser.name == "entry") {
            entries.add(readEntry(parser))
        } else {
            skip(parser)
        }
    }
    return entries
}

Java

private List readFeed(XmlPullParser parser) throws XmlPullParserException, IOException {
    List entries = new ArrayList();

    parser.require(XmlPullParser.START_TAG, ns, "feed");
    while (parser.next() != XmlPullParser.END_TAG) {
        if (parser.getEventType() != XmlPullParser.START_TAG) {
            continue;
        }
        String name = parser.getName();
        // Starts by looking for the entry tag
        if (name.equals("entry")) {
            entries.add(readEntry(parser));
        } else {
            skip(parser);
        }
    }
    return entries;
}

Cómo analizar contenido XML

Los pasos para analizar un feed XML son los siguientes:

  1. Según se describe en Cómo analizar el feed, identifica las etiquetas que quieras incluir en tu app. Este ejemplo extrae datos de la etiqueta entry y sus etiquetas anidadas title, link y summary.
  2. Crea los siguientes métodos:

    • Un método de "lectura" para cada etiqueta que te interese. Por ejemplo, readEntry(), readTitle(), etc. El analizador lee las etiquetas de la transmisión de entrada. Cuando se encuentra con una del tipo entry, title, link o summary, invoca al método correspondiente. De lo contrario, omite la etiqueta.
    • Métodos que permiten extraer datos para cada tipo diferente de marca y para pasar el analizador a la siguiente etiqueta. Por ejemplo:
      • En el caso de las etiquetas title y summary, el analizador invoca a readText(). Este método extrae los datos de estas etiquetas invocando a parser.getText().
      • En el caso de la etiqueta link, el analizador extrae los datos de los vínculos determinando primero si pertenece al tipo que le interesa. Luego, usa parser.getAttributeValue() para extraer su valor.
      • En el caso de la etiqueta entry, el analizador invoca a readEntry(). Este método analiza las etiquetas anidadas de la entrada y muestra un objeto Entry con los miembros de datos title, link y summary.
    • Un método de ayuda skip() que es recursivo. Para obtener más información sobre este tema, consulta Cómo omitir etiquetas innecesarias.

Este fragmento muestra cómo el analizador analiza las entradas, títulos, vínculos y resúmenes.

Kotlin

data class Entry(val title: String?, val summary: String?, val link: String?)

// Parses the contents of an entry. If it encounters a title, summary, or link tag, hands them off
// to their respective "read" methods for processing. Otherwise, skips the tag.
@Throws(XmlPullParserException::class, IOException::class)
private fun readEntry(parser: XmlPullParser): Entry {
    parser.require(XmlPullParser.START_TAG, ns, "entry")
    var title: String? = null
    var summary: String? = null
    var link: String? = null
    while (parser.next() != XmlPullParser.END_TAG) {
        if (parser.eventType != XmlPullParser.START_TAG) {
            continue
        }
        when (parser.name) {
            "title" -> title = readTitle(parser)
            "summary" -> summary = readSummary(parser)
            "link" -> link = readLink(parser)
            else -> skip(parser)
        }
    }
    return Entry(title, summary, link)
}

// Processes title tags in the feed.
@Throws(IOException::class, XmlPullParserException::class)
private fun readTitle(parser: XmlPullParser): String {
    parser.require(XmlPullParser.START_TAG, ns, "title")
    val title = readText(parser)
    parser.require(XmlPullParser.END_TAG, ns, "title")
    return title
}

// Processes link tags in the feed.
@Throws(IOException::class, XmlPullParserException::class)
private fun readLink(parser: XmlPullParser): String {
    var link = ""
    parser.require(XmlPullParser.START_TAG, ns, "link")
    val tag = parser.name
    val relType = parser.getAttributeValue(null, "rel")
    if (tag == "link") {
        if (relType == "alternate") {
            link = parser.getAttributeValue(null, "href")
            parser.nextTag()
        }
    }
    parser.require(XmlPullParser.END_TAG, ns, "link")
    return link
}

// Processes summary tags in the feed.
@Throws(IOException::class, XmlPullParserException::class)
private fun readSummary(parser: XmlPullParser): String {
    parser.require(XmlPullParser.START_TAG, ns, "summary")
    val summary = readText(parser)
    parser.require(XmlPullParser.END_TAG, ns, "summary")
    return summary
}

// For the tags title and summary, extracts their text values.
@Throws(IOException::class, XmlPullParserException::class)
private fun readText(parser: XmlPullParser): String {
    var result = ""
    if (parser.next() == XmlPullParser.TEXT) {
        result = parser.text
        parser.nextTag()
    }
    return result
}
...

Java

public static class Entry {
    public final String title;
    public final String link;
    public final String summary;

    private Entry(String title, String summary, String link) {
        this.title = title;
        this.summary = summary;
        this.link = link;
    }
}

// Parses the contents of an entry. If it encounters a title, summary, or link tag, hands them off
// to their respective "read" methods for processing. Otherwise, skips the tag.
private Entry readEntry(XmlPullParser parser) throws XmlPullParserException, IOException {
    parser.require(XmlPullParser.START_TAG, ns, "entry");
    String title = null;
    String summary = null;
    String link = null;
    while (parser.next() != XmlPullParser.END_TAG) {
        if (parser.getEventType() != XmlPullParser.START_TAG) {
            continue;
        }
        String name = parser.getName();
        if (name.equals("title")) {
            title = readTitle(parser);
        } else if (name.equals("summary")) {
            summary = readSummary(parser);
        } else if (name.equals("link")) {
            link = readLink(parser);
        } else {
            skip(parser);
        }
    }
    return new Entry(title, summary, link);
}

// Processes title tags in the feed.
private String readTitle(XmlPullParser parser) throws IOException, XmlPullParserException {
    parser.require(XmlPullParser.START_TAG, ns, "title");
    String title = readText(parser);
    parser.require(XmlPullParser.END_TAG, ns, "title");
    return title;
}

// Processes link tags in the feed.
private String readLink(XmlPullParser parser) throws IOException, XmlPullParserException {
    String link = "";
    parser.require(XmlPullParser.START_TAG, ns, "link");
    String tag = parser.getName();
    String relType = parser.getAttributeValue(null, "rel");
    if (tag.equals("link")) {
        if (relType.equals("alternate")){
            link = parser.getAttributeValue(null, "href");
            parser.nextTag();
        }
    }
    parser.require(XmlPullParser.END_TAG, ns, "link");
    return link;
}

// Processes summary tags in the feed.
private String readSummary(XmlPullParser parser) throws IOException, XmlPullParserException {
    parser.require(XmlPullParser.START_TAG, ns, "summary");
    String summary = readText(parser);
    parser.require(XmlPullParser.END_TAG, ns, "summary");
    return summary;
}

// For the tags title and summary, extracts their text values.
private String readText(XmlPullParser parser) throws IOException, XmlPullParserException {
    String result = "";
    if (parser.next() == XmlPullParser.TEXT) {
        result = parser.getText();
        parser.nextTag();
    }
    return result;
}
  ...
}

Cómo omitir etiquetas innecesarias

Uno de los pasos en el análisis de XML descrito anteriormente es que el analizador omita las etiquetas innecesarias. Este es el método skip() del analizador:

Kotlin

@Throws(XmlPullParserException::class, IOException::class)
private fun skip(parser: XmlPullParser) {
    if (parser.eventType != XmlPullParser.START_TAG) {
        throw IllegalStateException()
    }
    var depth = 1
    while (depth != 0) {
        when (parser.next()) {
            XmlPullParser.END_TAG -> depth--
            XmlPullParser.START_TAG -> depth++
        }
    }
}

Java

private void skip(XmlPullParser parser) throws XmlPullParserException, IOException {
    if (parser.getEventType() != XmlPullParser.START_TAG) {
        throw new IllegalStateException();
    }
    int depth = 1;
    while (depth != 0) {
        switch (parser.next()) {
        case XmlPullParser.END_TAG:
            depth--;
            break;
        case XmlPullParser.START_TAG:
            depth++;
            break;
        }
    }
 }

Así funciona:

  • Arroja una excepción si el evento actual no es START_TAG.
  • Consume el elemento START_TAG y todos los eventos, incluido el END_TAG correspondiente.
  • Para garantizar que se detenga en el END_TAG correcto y no en la primera etiqueta que encuentre después del elemento START_TAG original, realiza un seguimiento de la profundidad de anidación.

Por lo tanto, si el elemento actual tiene otros elementos anidados, el valor de depth no será 0 hasta que el analizador haya consumido todos los eventos entre el START_TAG original y su END_TAG correspondiente. Por ejemplo, considera cómo el analizador omite el elemento <author>, que tiene 2 elementos anidados (<name> y <uri>):

  • La primera vez que escanea el bucle while, la siguiente etiqueta que el analizador encuentra después de <author> es el elemento START_TAG correspondiente a <name>. Se aumenta el valor de depth a 2.
  • La segunda vez que escanea el bucle while, la siguiente etiqueta que el analizador encuentra es el elemento END_TAG correspondiente a </name>. Se reduce el valor de depth a 1.
  • La tercera vez que escanea el bucle while, la siguiente etiqueta que el analizador encuentra es el elemento START_TAG correspondiente a <uri>. Se aumenta el valor de depth a 2.
  • La cuarta vez que escanea el bucle while, la siguiente etiqueta que el analizador encuentra es el elemento END_TAG correspondiente a </uri>. Se reduce el valor de depth a 1.
  • La quinta y última vez que escanea el bucle while, la siguiente etiqueta que el analizador encuentra es el elemento END_TAG correspondiente a </author>. El valor de depth se reduce a 0, lo que indica que el elemento <author> se omitió correctamente.

Cómo consumir datos XML

La aplicación de ejemplo obtiene y analiza el feed XML dentro de un AsyncTask. Esto quita el proceso del procesamiento de IU principal. Una vez finalizado el procesamiento, la app actualiza la IU en la actividad principal (NetworkActivity).

En el extracto que se muestra a continuación, el método loadPage() hace lo siguiente:

  • Inicializa una variable de string con la URL del feed XML.
  • Si la configuración del usuario y la conexión de red lo permiten, invoca a new DownloadXmlTask().execute(url). Esto instancia un nuevo objeto DownloadXmlTask (subclase AsyncTask) y ejecuta su método execute(), que descarga y analiza el feed, y muestra un resultado de string en la IU.

Kotlin

class NetworkActivity : Activity() {

    companion object {

        const val WIFI = "Wi-Fi"
        const val ANY = "Any"
        const val SO_URL = "http://stackoverflow.com/feeds/tag?tagnames=android&sort=newest"
        // Whether there is a Wi-Fi connection.
        private var wifiConnected = false
        // Whether there is a mobile connection.
        private var mobileConnected = false

        // Whether the display should be refreshed.
        var refreshDisplay = true
        // The user's current network preference setting.
        var sPref: String? = null
    }

    ...

    // Uses AsyncTask subclass to download the XML feed from stackoverflow.com.
    // Uses AsyncTask to download the XML feed from stackoverflow.com.
    fun loadPage() {

        if (sPref.equals(ANY) && (wifiConnected || mobileConnected)) {
            DownloadXmlTask().execute(SO_URL)
        } else if (sPref.equals(WIFI) && wifiConnected) {
            DownloadXmlTask().execute(SO_URL)
        } else {
            // show error
        }
    }

    ...
}

Java

public class NetworkActivity extends Activity {
    public static final String WIFI = "Wi-Fi";
    public static final String ANY = "Any";
    private static final String URL = "http://stackoverflow.com/feeds/tag?tagnames=android&sort=newest";

    // Whether there is a Wi-Fi connection.
    private static boolean wifiConnected = false;
    // Whether there is a mobile connection.
    private static boolean mobileConnected = false;
    // Whether the display should be refreshed.
    public static boolean refreshDisplay = true;
    public static String sPref = null;

    ...

    // Uses AsyncTask to download the XML feed from stackoverflow.com.
    public void loadPage() {

        if((sPref.equals(ANY)) && (wifiConnected || mobileConnected)) {
            new DownloadXmlTask().execute(URL);
        }
        else if ((sPref.equals(WIFI)) && (wifiConnected)) {
            new DownloadXmlTask().execute(URL);
        } else {
            // show error
        }
    }

La subclase AsyncTask que se muestra a continuación, DownloadXmlTask, implementa los siguientes métodos AsyncTask:

  • doInBackground() ejecuta el método loadXmlFromNetwork(). Transfiere la URL del feed como parámetro. El método loadXmlFromNetwork() obtiene y procesa el feed. Cuando termina, devuelve una string de resultados.
  • onPostExecute() toma la string obtenida y la muestra en la IU.

Kotlin

// Implementation of AsyncTask used to download XML feed from stackoverflow.com.
private inner class DownloadXmlTask : AsyncTask<String, Void, String>() {
    override fun doInBackground(vararg urls: String): String {
        return try {
            loadXmlFromNetwork(urls[0])
        } catch (e: IOException) {
            resources.getString(R.string.connection_error)
        } catch (e: XmlPullParserException) {
            resources.getString(R.string.xml_error)
        }
    }

    override fun onPostExecute(result: String) {
        setContentView(R.layout.main)
        // Displays the HTML string in the UI via a WebView
        findViewById<WebView>(R.id.webview)?.apply {
            loadData(result, "text/html", null)
        }
    }
}

Java

// Implementation of AsyncTask used to download XML feed from stackoverflow.com.
private class DownloadXmlTask extends AsyncTask<String, Void, String> {
    @Override
    protected String doInBackground(String... urls) {
        try {
            return loadXmlFromNetwork(urls[0]);
        } catch (IOException e) {
            return getResources().getString(R.string.connection_error);
        } catch (XmlPullParserException e) {
            return getResources().getString(R.string.xml_error);
        }
    }

    @Override
    protected void onPostExecute(String result) {
        setContentView(R.layout.main);
        // Displays the HTML string in the UI via a WebView
        WebView myWebView = (WebView) findViewById(R.id.webview);
        myWebView.loadData(result, "text/html", null);
    }
}

A continuación, se muestra el método loadXmlFromNetwork(), que se invoca desde DownloadXmlTask. Realiza lo siguiente:

  1. Instancia un StackOverflowXmlParser. También crea variables para un elemento List de objetos Entry (entries), title, url y summary a fin de mantener los valores extraídos del feed XML correspondientes a esos campos.
  2. Invoca a downloadUrl(), que obtiene el feed y lo muestra como un InputStream.
  3. Usa StackOverflowXmlParser para analizar InputStream. StackOverflowXmlParser propaga un elemento List de entries con datos del feed.
  4. Procesa entries List y combina los datos del feed con lenguaje de marcado HTML.
  5. Muestra una cadena HTML que aparece en la IU de la actividad principal mediante el método AsyncTask de onPostExecute().

Kotlin

// Uploads XML from stackoverflow.com, parses it, and combines it with
// HTML markup. Returns HTML string.
@Throws(XmlPullParserException::class, IOException::class)
private fun loadXmlFromNetwork(urlString: String): String {
    // Checks whether the user set the preference to include summary text
    val pref: Boolean = PreferenceManager.getDefaultSharedPreferences(this)?.run {
        getBoolean("summaryPref", false)
    } ?: false

    val entries: List<Entry> = downloadUrl(urlString)?.use { stream ->
        // Instantiate the parser
        StackOverflowXmlParser().parse(stream)
    } ?: emptyList()

    return StringBuilder().apply {
        append("<h3>${resources.getString(R.string.page_title)}</h3>")
        append("<em>${resources.getString(R.string.updated)} ")
        append("${formatter.format(rightNow.time)}</em>")
        // StackOverflowXmlParser returns a List (called "entries") of Entry objects.
        // Each Entry object represents a single post in the XML feed.
        // This section processes the entries list to combine each entry with HTML markup.
        // Each entry is displayed in the UI as a link that optionally includes
        // a text summary.
        entries.forEach { entry ->
            append("<p><a href='")
            append(entry.link)
            append("'>" + entry.title + "</a></p>")
            // If the user set the preference to include summary text,
            // adds it to the display.
            if (pref) {
                append(entry.summary)
            }
        }
    }.toString()
}

// Given a string representation of a URL, sets up a connection and gets
// an input stream.
@Throws(IOException::class)
private fun downloadUrl(urlString: String): InputStream? {
    val url = URL(urlString)
    return (url.openConnection() as? HttpURLConnection)?.run {
        readTimeout = 10000
        connectTimeout = 15000
        requestMethod = "GET"
        doInput = true
        // Starts the query
        connect()
        inputStream
    }
}

Java

// Uploads XML from stackoverflow.com, parses it, and combines it with
// HTML markup. Returns HTML string.
private String loadXmlFromNetwork(String urlString) throws XmlPullParserException, IOException {
    InputStream stream = null;
    // Instantiate the parser
    StackOverflowXmlParser stackOverflowXmlParser = new StackOverflowXmlParser();
    List<Entry> entries = null;
    String title = null;
    String url = null;
    String summary = null;
    Calendar rightNow = Calendar.getInstance();
    DateFormat formatter = new SimpleDateFormat("MMM dd h:mmaa");

    // Checks whether the user set the preference to include summary text
    SharedPreferences sharedPrefs = PreferenceManager.getDefaultSharedPreferences(this);
    boolean pref = sharedPrefs.getBoolean("summaryPref", false);

    StringBuilder htmlString = new StringBuilder();
    htmlString.append("<h3>" + getResources().getString(R.string.page_title) + "</h3>");
    htmlString.append("<em>" + getResources().getString(R.string.updated) + " " +
            formatter.format(rightNow.getTime()) + "</em>");

    try {
        stream = downloadUrl(urlString);
        entries = stackOverflowXmlParser.parse(stream);
    // Makes sure that the InputStream is closed after the app is
    // finished using it.
    } finally {
        if (stream != null) {
            stream.close();
        }
     }

    // StackOverflowXmlParser returns a List (called "entries") of Entry objects.
    // Each Entry object represents a single post in the XML feed.
    // This section processes the entries list to combine each entry with HTML markup.
    // Each entry is displayed in the UI as a link that optionally includes
    // a text summary.
    for (Entry entry : entries) {
        htmlString.append("<p><a href='");
        htmlString.append(entry.link);
        htmlString.append("'>" + entry.title + "</a></p>");
        // If the user set the preference to include summary text,
        // adds it to the display.
        if (pref) {
            htmlString.append(entry.summary);
        }
    }
    return htmlString.toString();
}

// Given a string representation of a URL, sets up a connection and gets
// an input stream.
private InputStream downloadUrl(String urlString) throws IOException {
    URL url = new URL(urlString);
    HttpURLConnection conn = (HttpURLConnection) url.openConnection();
    conn.setReadTimeout(10000 /* milliseconds */);
    conn.setConnectTimeout(15000 /* milliseconds */);
    conn.setRequestMethod("GET");
    conn.setDoInput(true);
    // Starts the query
    conn.connect();
    return conn.getInputStream();
}