xml

第一章 xml

1.1 xml概述

什么是XML

• XML ：可扩展标记语言（EXtensible Markup Language）
  XML 它是一种标记语言，很类似 HTML，HTML文件也是XML文档，标签都是自定义的。 如： 或

• W3C在1988年2月发布1.0版本，2004年2月又发布1.1版本，单因为1.1版本不能向下兼容1.0版本，所以1.1没有人用。同时，在2004年2月W3C又发布了1.0版本的第三版。我们要学习的还是1.0版本。

XML 与 HTML 的主要差异

• xml标签都是自定义的，html标签是预定义。
• xml的语法严格，html语法松散。
• xml是存储数据的，html是展示数据。

1.2 xml的组成元素

文档声明

• XML文档声明格式：

  <?xml version="1.0" encoding="UTF-8"?>

1. 文档声明必须为<?xml开头，以?>结束；

2. 文档声明必须从文档的0行0列位置开始；

3. 文档声明只有2个属性：

   1. versioin：指定XML文档版本。必须属性，因为我们不会选择1.1，只会选择1.0；
   2. encoding：指定当前文档的编码。可选属性，默认值是utf-8；

元素

• 元素 element

1. 元素是XML文档中最重要的组成部分，

2. 普通元素的结构开始标签、元素体、结束标签组成。例如：大家好

3. 元素体：元素体可以是元素，也可以是文本，例如：你好

4. 空元素：空元素只有开始标签，而没有结束标签，但元素必须自己闭合，例如：

5. 元素命名：

   1. 区分大小写
   2. 不能使用空格，不能使用冒号:
   3. 不建议以XML、xml、Xml开头

6. 格式化良好的XML文档，必须只有一个根元素。

属性

• 属性 attribute

  <beanid="" className="">

1. 属性是元素的一部分，它必须出现在元素的开始标签中

2. 属性的定义格式：属性名=属性值，其中属性值必须使用单引或双引

3. 一个元素可以有0~N个属性，但一个元素中不能出现同名属性

4. 属性名不能使用空格、冒号等特殊字符，且必须以字母开头

注释

XML的注释，以“ ”结束。注释内容会被XML解析器忽略！

转义字符

因为很多符号已经被XML文档结构所使用，所以在元素体或属性值中想使用这些符号就必须使用转义字符，例如：“<”、“>”、“’”、“””、“&”。

1.3 xml约束

在XML技术里，可以编写一个文档来约束一个XML文档的书写规范，这称之为XML约束。

常见的xml约束：DTD、Schema

1.3.1 DTA约束

什么是DTD

DTD（Document Type Definition），文档类型定义，用来约束XML文档。规定XML文档中元素的名称，子元素的名称及顺序，元素的属性等。

DTD重点要求

开发中，我们很少自己编写DTD约束文档，通常情况我们都是通过框架提供的DTD约束文档，编写对应的XML文档。常见框架使用DTD约束有：struts2、hibernate等。

1.3.2 Schema约束

什么是Schema

Schema是新的XML文档约束；

Schema要比DTD强大很多，是DTD 替代者；

Schema本身也是XML文档，但Schema文档的扩展名为xsd，而不是xml。

Schema 功能更强大，数据类型更完善

Schema 支持名称空间

Schema重点要求

与DTD一样，要求可以通过schema约束文档编写xml文档。常见框架使用schema的有：Spring等

第二章 dom4j

2.1 xml解析概述

当将数据存储在XML后，我们就希望通过程序获得XML的内容。如果我们使用Java基础所学习的IO知识是可以完成的，不过你需要非常繁琐的操作才可以完成，且开发中会遇到不同问题（只读、读写）。人们为不同问题提供不同的解析方式，并提交对应的解析器，方便开发人员操作XML。

2.2 常见的解析方式和解析器

• 开发中比较常见的解析方式有三种，如下：

1. DOM：要求解析器把整个XML文档装载到内存，并解析成一个Document对象。
   优点：元素与元素之间保留结构关系，故可以进行增删改查操作。
   缺点：XML文档过大，可能出现内存溢出显现。
2. SAX：是一种速度更快，更有效的方法。它逐行扫描文档，一边扫描一边解析。并以事件驱动的方式进行具体解析，每执行一行，都将触发对应的事件。（了解）
   优点：处理速度快，可以处理大文件
   缺点：只能读，逐行后将释放资源。
3. PULL：Android内置的XML解析方式，类似SAX。（了解）

• 解析器：就是根据不同的解析方式提供的具体实现。有的解析器操作过于繁琐，为了方便开发人员，有提供易于操作的解析开发包

• 常见的解析开发包：

  • JAXP：sun公司提供支持DOM和SAX开发包
  • JDom：dom4j兄弟
  • jsoup：一种处理HTML特定解析开发包
  • dom4j：比较常用的解析开发包，hibernate底层采用。

2.3 dom解析原理和结构模型

XML DOM 将整个XML文档加载到内存，生成一个DOM树，并获得一个Document对象，通过Document对象就可以对DOM进行操作

DOM中的核心概念就是节点，在XML文档中的元素、属性、文本等，在DOM中都是节点！

2.4 API使用

DOM4J是一个Java的XML API，具有性能优异、功能强大和极其易使用的特点，它的性能超过sun公司官方的dom技术，如今可以看到越来越多的Java软件都在使用DOM4J来读写XML。

如果想要使用DOM4J，需要引入支持xpath的jar包 dom4j-1.6.1.jar

DOM4J必须使用核心类SaxReader加载xml文档获得Document，通过Document对象获得文档的根元素，然后就可以操作了。

常用API如下：

1. SaxReader对象
   read(…) 加载执行xml文档
2. Document对象
   getRootElement() 获得根元素
3. Element对象
   elements(…) 获得指定名称的所有子元素。可以不指定名称
   element(…) 获得指定名称第一个子元素。可以不指定名称
   getName() 获得当前元素的元素名
   attributeValue(…) 获得指定属性名的属性值
   elementText(…) 获得指定名称子元素的文本值
   getText() 获得当前元素的文本内容

第三章 XPath解析XML

• XPath 是一门在 XML、html 文档中查找信息的语言。

• XPath 是一个 W3C 标准，可通过W3CSchool文档查阅语法

由于DOM4J在解析XML时只能一层一层解析，所以当XML文件层数过多时使用会很不方便，结合XPATH就可以直接获取到某个元素

使用dom4j支持xpath具体操作

默认的情况下，dom4j不支持xpath，如果想要在dom4j里面使用xpath，需要引入支持xpath的jar包 jaxen-1.1.6.jar

在dom4j里面提供了两个方法，用来支持xpath

List<Node> selectNodes("xpath表达式")，用来获取多个节点
Node selectSingleNode("xpath表达式")，用来获取一个节点

xpath表达式常用查询形式

• 第一种查询形式
  /AAA/DDD/BBB： 表示一层一层的，AAA下面 DDD下面的BBB

• 第二种查询形式
  //BBB： 表示和这个名称相同，表示只要名称是BBB 都得到

• 第三种查询形式
  /*: 所有元素

• 第四种查询形式
  BBB[1]：表示第一个BBB元素
  BBB[last()]：表示最后一个BBB元素

• 第五种查询形式
  //BBB[@id]： 表示只要BBB元素上面有id属性 都得到

• 第六种查询形式
  //BBB[@id=‘b1’] 表示元素名称是BBB,在BBB上面有id属性，并且id的属性值是b1