真的了解XML吗？ - XML解析方式

最新推荐文章于 2021-12-21 14:05:56 发布

有机后浪

最新推荐文章于 2021-12-21 14:05:56 发布

阅读量285

点赞数

分类专栏： JavaWeb 文章标签： java xml

本文链接：https://blog.csdn.net/key_768/article/details/104949656

版权

JavaWeb 专栏收录该内容

11 篇文章 2 订阅

订阅专栏

前言

前面了解了XML的使用，语法，规范和DTD、Schema
真的了解XML吗？ - XML 基础
继续对XML学习：XML解析

XML解析

我们知道XML的作用是网络传输数据和存储数据

而解析就是：通过对XML文件的操作，将XML文件中的数据取出读取到内存中，然后就可以处理这些数据

操作XML文件：

将XML文件的数据读取到内存（解析）
将内存中的数据保存到XML文件（持久化）

当然XML主要还是解析，持久化很少用

解析方式

XML解析方式主流有三种：

DOM（Document Object Model：文档对象模型）：将标记语言文件一次性加载进内存，在内存中形成DOM树，所以速度较慢，占内存多
DOM是W3C组织推荐的处理XML的方式

JS操作HTML文件就是DOM的思想

在这里插入图片描述 DOM树：从根结点出发到各个子元素，类似与一个树形图
它可以对XML文件进行增删改查
有两个分支：jDom和dom4j

SAX（Simple API for XML）：它不是一次读取全部文件，而是读一行释放一行，基于事件驱动完成元素的解析，速度快，占内存少
不是官方标准，但是几乎所有的XML解析器都支持
只能进行查询
Pull：Pull和SAX类似，都是轻量级的解析，是第三方开源的Java项目，在Android 内核中嵌入了Pull，只能进行解析（主要在移动端，不详细介绍）

解析技术

JAXP：sun公司提供的解析器，支持DOM和SAX，但性能低、使用复杂，基本已经淘汰
jdom：对DOM进行封装，简化了使用
dom4j：在jdom的基础上进行了改进，在服务器端使用较多
Jsoup：Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据（Jsoup主要还用来处理HTML的，但是同为标记语言，处理XML一样高效）

主要的解析器是dom4j和Jsoup，详细了解这两者

dom4j

百度百科：

dom4j是一个Java的XML API，是jdom的升级品，用来读写XML文件的。dom4j是一个十分优秀的JavaXML 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，同时它也是一个开放源代码的软件，可以在SourceForge上找到它。在IBM developerWorks上面还可以找到一篇文章，对主流的Java XML API进行的性能、功能和易用性的评测，所以可以知道dom4j无论在哪个方面都是非常出色的。如今可以看到越来越多的Java软件都在使用dom4j来读写XML，特别值得一提的是连Sun的JAXM也在用dom4j。这已经是必须使用的jar包， Hibernate也用它来读写配置文件

一个dom4j案例

首先将dom4j.jar包导入项目
准备好已经存储了数据的xml文件
两个book元素
这个是符合我们自定义的Schema约束的xml文件（详情：真的了解XML吗？ - XML 基础）：
books.xml:

<?xml version="1.0"?>

<books
        xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
        xsi:schemaLocation="http://www.W3Cshool.cn/xml books.xsd"
        xmlns="http://www.W3Cshool.cn/xml">

    <book sn="bookNum1">
        <name>时间简史</name>
        <author>霍金</author>
        <price>75</price>
    </book>
    <book sn="bookNum2">
        <name>三国演义</name>
        <author>罗贯中</author>
        <price>100</price>
    </book>


</books>

新建一个类，通过dom4j编程获得xml的数据

package com.company.Test;

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;

import java.util.List;

public class Book {
    public static void main(String[] args) throws DocumentException {
        //创建SAXReader对象
        SAXReader saxReader = new SAXReader();
        //SAXReader对象负责读取xml文件，返回Document
        Document document = saxReader.read("src/com/company/xml/books.xml");
        System.out.println("doucument对象："+document);
        //通过Document拿到根元素
        Element rootElement = document.getRootElement();
        System.out.println("根元素："+rootElement);

        //通过根元素获得所有book元素，存放到列表中
        List<Element> books = rootElement.elements("book");
        //迭代所有的book，获得子标签
        for( Element book : books){

            Element name = book.element("name");
            System.out.println("name子元素："+name);
            Element author = book.element("author");

            Element price = book.element("price");

            System.out.println("书籍信息： 书名："+name.getText()+"，作者："+author.getText()+",价格："+price.getText());

        }


    }
}

在这里插入图片描述
这个结果中包含着一些信息：

通过dom4j获得的是Document树，从根元素出发可以找到子元素
验证了Schema约束确实是有前缀的，前缀就是命名空间，只是在书写的时候省略了
得到的一个元素中会包含多种信息

dom4j操作详解

这是dom4j压缩包里的内容：
在这里插入图片描述
docs是第三方类库的学习文档
lib是dom4j需要依赖的jar包
src是dom4j源码

学习dom4j的操作当然要去学习文档看看了：进入docs文档-》index.html进入官网
在这里插入图片描述

Quick start是快速入门案例
当然，我们不需要去深入研究dom4j，了解一下API就够了

有哪些常用的API呢？

解析XML文档，有DOMReader和SAXReader两种，看名字就知道，一种是DOM解析方法，一种是SAX解析方法

SAXReader saxReader = new SAXReader();
DOMReader domReader = new DOMReader();
Document document = saxReader.read("src/com/company/xml/books.xml");

SAXReader对象中read方法可以传入各种参数
在这里插入图片描述

而DOMReader对象的read方法仅能传入Document（Document是一个接口，具体实现还是靠实现类）：
也就是要先将xml文件加载进内存，然后获得该Document再解析
在这里插入图片描述

获取元素
dom4j是将xml解析成树型，即要按照父子关系一步一步获得元素

先得到根元素：

Element rootElement = document.getRootElement();

再根据名字得到子元素：

List<Element> books = rootElement.elements("book");
Element name = book.element("name");

有两种方法：elements和element
当有多个子元素，可以使用elements方法得到一个列表List
当仅单个元素，可以用element方法获得Element （Element是一个接口）

操作元素
XML中元素里会有属性、文本

可以通过Element进行操作

在这里插入图片描述
有很多方法，大致就是：获得各种信息（文本、属性、命名空间等）；添加元素、属性等

XPath

XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言

XPath 是在XML文档中查找信息的语言；通过元素和属性进行查找；简化了 Dom4j 查找节点的过程

一些语法：

语法	意义
/books/book	从根元素开始逐层找，以”/”开头
//name	直接获取所有 name 元素对象,以“//”开头
//books/*	获取所有 student 元素的所有子元素对象
//book[1]或 //book[last()]	获取所有 book元素的第一个或最后一个
//book[@sn]	获取所有带 sn 属性的 book元素对象
//book[@sn=“bookNum1”]	获取 sn 等于 bookNum1 的 book元素对象

一个XPath案例

先导入包
jaxen-1.1-beta-6.jar
有xml文件，且要分清是否有命名空间

在这里插入图片描述
我这个就是有命名空间的

开始编程

package com.company.Test;

import com.company.Entity.Book;
import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.XPath;
import org.dom4j.io.SAXReader;

import java.util.HashMap;


public class BookXPath {
    public static void main(String[] args) throws DocumentException {
        SAXReader saxReader = new SAXReader();

        Document document = saxReader.read("src/com/company/xml/books.xml");
        System.out.println(document);
        //查询sn为bookNum1的书籍
        //如果xml没有命名空间，这种写法是对的
        //XPath xPath = document.createXPath("/books/book[@sn='bookNum1']");
        //如果xml有命名空间
        //先创建hashmap存放命名空间
        HashMap xmlmap = new HashMap();
        xmlmap.put("ns","http://www.W3Cshool.cn/xml");
        //创建xpth对象，并查找信息
        XPath path = document.createXPath("/ns:books/ns:book[@sn='bookNum1']");
        //将命名空间导入xpth
        path.setNamespaceURIs(xmlmap);
        //获取结点
        Element book = (Element)path.selectSingleNode(document);
        System.out.println(book);
        //根据元素名获得信息
        String name = book.elementText("name");
        String author = book.elementText("author");
        String price = book.elementText("price");
        //封装成一个book类
        Book aBook = new Book(name,author,Integer.parseInt(price));

        System.out.println(aBook);

    }
}

创建一个Entity包，创建一个Book实体类：

package com.company.Entity;

public class Book {
    private String name;
    private String author;
    private Integer price;

    public Book(String name, String author, Integer price) {
        this.name = name;
        this.author = author;
        this.price = price;
    }

    @Override
    public String toString() {
        return "book{" +
                "name='" + name + '\'' +
                ", author='" + author + '\'' +
                ", price=" + price +
                '}';
    }
}

在这里插入图片描述
如果XML没有命名空间，就可以很简单的直接在createXPath方法里写语法就可以
如果XML有命名空间，就需要设置一个HashMap，并将命名空间放入且命名一个key
注意语法（ns:book）

XPath path = document.createXPath("/ns:books/ns:book[@sn='bookNum1']");
path.setNamespaceURIs(xmlmap);

注意：map的命名空间的key别命名一些关键字如src等，这个会造成错误

通过Xpth可以较简单的获得元素
Xpath还可以在HTML中使用，不单单是XML

Jsoup

百度百科：

jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据

它的主要功能：

从一个URL，文件或字符串中解析HTML、XML；
使用DOM或CSS选择器来查找、取出数据；
可操作HTML、XML元素、属性、文本

显然，Jsoup主要是用来操作HTML的，但是同为标记语言，一样可以操作XML

Jsoup操作

同样要导入包：jsoup-1.13.1.jar
编写程序BookJsoup.class

package com.company.Test;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;


public class BookJsoup {
    public static void main(String[] args) throws IOException {
        //获取Document文档
        //获得student.xml的path
        String path = "src/com/company/xml/books.xml";
        //解析xml
        Document document = Jsoup.parse(new File(path), "UTF-8");

        //获取元素,Elements继承了ArrayList
        Elements books = document.getElementsByTag("book");
        System.out.println(books.size());
        //获得第一个book
        Element element = books.get(0);
        //获得所有文本信息
        String text = element.text();
        System.out.println("文本是："+text);
        //获得name信息
        String name = element.getElementsByTag("name").text();
        System.out.println("第一本书的name:"+name);
    }
}

在这里插入图片描述

可以看出，Jsoup的操作类似JavaScript，先获得dom树，再通过getElementsByTag等等操作得到元素、文本

Jsoup中的对象

Jsoup对象：解析器，类似与SAXReader，通过parse方法解析xml文件，返回document
Document对象：就是dom树
Elements对象：继承了ArrayList，类似于存储Element的列表，和dom4j中自定义的List< Element>
Element对象：元素对象
Node对象：结点对象

对JavaScript有基础的，可以看出Jsoup和JS是真的像
常用的方法也是类似：
在这里插入图片描述

快速查询

我们如果想要获得第一个book的name元素的值
需要通过： books->book->name->text

而Jsoup提供了简单的查询方法：选择器

package com.company.Test;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;


public class BookJsoup {
    public static void main(String[] args) throws IOException {
        //获取Document文档
        //获得student.xml的path
        String path = "src/com/company/xml/books.xml";
        //解析xml
        Document document = Jsoup.parse(new File(path), "UTF-8");
        //选择器
        Elements selectName = document.select("name");
        System.out.println(selectName);
    }
}

在这里插入图片描述

即可得到所有name元素

Jsoup和XPath

前面dom4j使用的快速查询的方法：XPath
一样可以和Jsoup一起使用（但是XPath与Jsoup关系并不大，XPath是操作dom树）

但是需要导入Jsoup的XPath包：JsoupXpath.jar
JsoupXpath下载地址
JsoupXpath包是一个中国人写的，随着版本的更替有了一些变化
在1.x的版本中，新建一个JXDocument对象是
import cn.wanghaomiao.xpath.model.JXDocument包
在这里插入图片描述

而在2.x版本已经更新了，JXDocument.create方法创建JXDocument
依赖也变成了import org.seimicrawler.xpath.JXDocument;
在这里插入图片描述

在这里插入图片描述

查询语法还是XPath的语法，不过要选择不同的查询方法
sel；selN；selNOne；SelOne
在这里插入图片描述

具体的用法可以看作者的github

总结

XML的解析技术有：DOM；SAX；Pull
其中DOM是将Document全部加载进内存，形成dom树，可以进行增删改查，缺点是占用内存大，速度慢
SAX是基于事件驱动，将Document一行一行的读取，释放；只能进行查询操作，占用内存小（仅一行），速度快
Pull类似与SAX，使用与移动端，Android 内嵌了Pull
常用的解析器有dom4j和Jsoup
通过XPath可以进行快速查询

有机后浪

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
真的了解XML吗？ - XML解析方式

前言前面了解了XML的使用，语法，规范和DTD、Schema继续对XML学习：XML解析XML解析我们知道XML的作用是网络传输数据和存储数据而解析就是：通过对XML文件的操作，将XML文件中的数据取出读取到内存中操作XML文件：将XML文件的数据读取到内存（解析）将内存中的数据保存到XML文件（持久化）当然XML主要还是解析，持久化很少用解析方式XML解析有两种思想：...
复制链接

扫一扫

专栏目录