kshen转Sean's XML学习笔记

转自http://blog.csdn.net/sean_gao/ 

 [XML学习笔记][1]基本概念

 

XML是eXtensible Markup Language的缩写，它的前身是SGML，或者说，XML是SGML的子集。简单讲，XML是一种文档格式，作为一种标准，有利于不同机构间的数据交换。从表面上看，XML是一种语言，但是它同时也是一种创造和定义其他语言的语言。通过一组定义好的规范，我们可以很方便的扩展它。

我们来看一个实际的XML长什么样：（仅仅是个最简单的例子，为了说明XML的基本结构）

< customer-repository >
   < customer  index ="C82FB7E9982A02FD" >
     < name  first-name ="Brian"  last-name ="Molko" />
     < register-date >
      2005-01-01
     </ register-date >
     < visits >
      3
     </ visits >
   </ customer >
   < customer  index ="BADE12908E72CB21" >
     < name  first-name ="Alanis"  last-name ="Morissette" />
     < register-date >
      2005-02-01
     </ register-date >
     < visits >
      1
     </ visits >
   </ customer >
</ customer-repository >

直观的看，我们这个XML文件定义了一组客户，每一个客户又有相应的ID、姓名、注册时间和到访次数。这就是一个最基本的XML，它很类似HMTL，但是一方面它可以有自定义的标签，另一方面它也要求更加严格的语法，如标签必有开闭且不能重叠等。不仅仅是这样，通常每个XML文件都会对应一组严格定义的语法，以便对它们进行正确的处理，这一点我会在稍后作更详细的说明。

 [XML学习笔记][2.1]XML验证

 

为了使得我们定义的XML文档有意义，我们通常必须为它定义一组语法，如：这个文档应该包含那种类型的数据，这种数据的层次结构又是怎样的，等等。这样我们的XML文档就可以通过专门的工具来验证其合法性。

有两种方式：I- DTD (document type definition); II- XSD (XML Schema definition)，我们分别来看一下。

DTD比较简单和直截了当，它可以很容易的定义元素和元素之间的隶属关系，如：

<! ELEMENT customer-repository (customer+) >

<! ELEMENT customer (name, register-date, visits) >
<! ATTLIST customer
  index ID #REQUIRED
>

<! ELEMENT name (#PCDATA) >
<! ATTLIST name
  first-name CDATA #REQUIRED
  last-name CDATA #REQUIRED
>

<! ELEMENT register-date (#CDATA) >

<! ELEMENT visits (#CDATA) >

<!ELEMENT>用于定义元素，同时可以定义该元素是否包含其他元素，<!ATTLIST>用于定义元素的属性，具体的语法可以参考http://www.w3c.org/xml/ 上的文档。为了把我们的XML文档和上面定义的语法联系到一起，我们需要在XML中加入这样一行代码：

<! DOCTYPE customer-repository SYSTEM "customer-repository.dtd" >

与DTD类似，XSD也是通过一些规则来定义一类XML的语法，它比DTD更加灵活，也更加强大，是目前W3C主推的XML验证标准。它通过一些命名空间已经定义好的元素类型来定义我们的XML语法，如：

< xsd:element  name ="visits"  type ="xsd:decimal"   />

这里的xsd就是我们要用到的名字空间。由于目前大部分的XML还都是使用DTD的方式，对XSD的了解就到这里吧。有兴趣的可以去W3C的网站了解具体语法。

 [XML学习笔记][2.2]XML内容提取

 

为了让XML文档能够被应用程序识别和处理，必须提供一个读取XML文档的途径。当然，你也许会说，XML不就是文本文件吗？我用java.io包不就可以读取了？XML文件并非简单的plain text，它有自己的结构和描述性，我们需要在基本的I/O之上更进一步。常见的XML读取有两种不同的方式：SAX和DOM，下面我们分别来看一下：

SAX是Simple API for XML的缩写，顾名思义，就是处理XML的简单API，就象它的名字所暗示的那样，SAX比DOM要简单直接得多。本质上讲，SAX是事件驱动的，比如，当读取XML文件到一个标签的结尾时，该事件被传递到应用程序，应用程序做出相应处理，于是，应用程序在这个时候只知道已经读取的那一部分内容，而对剩下的XML数据一无所知。这正是SAX的局限，同时，因为SAX是读一部分处理一部分，它的速度相当快。

DOM是Document Object Model的缩写，文档对象模型，这个名字听上去就要更抽象一些，它是一次性把整个XML文档读取完毕然后构件一个完整的树状对象模型，于是它的速度要比SAX慢很多，但是对XML文档整体就有一个更加完整的视图，这在有些时候是必需的。

通常我们使用的XML API都同时支持这两种模式，在遇到具体问题时，我们可以根据文档的复杂度、规模、以及我们的需求来确定到底使用哪一种模式。

 [XML学习笔记][2.3]XML转换

 

作为W3C推出的拳头标准，XML的强大优势之一就是它可以方便的被转换成其他格式的XML或者其他不同类型的文件，如PDF、HTML等都是常见的XML转换的输出格式。

为了实现这个功能，我们需要利用到eXtensible Stylesheet Language for Transformations (XSLT)。XSL文件是这样一些样式表，它们指定如何从一个XML文件转换出其他的格式。这个是不是多少让你想起MFC的文档-视图结构或者MVC模式？

 [XML学习笔记][2.4]XML作为消息传递载体

 

由于XML的平台和技术独立性，它经常被用来在不同的系统之间传递消息，基于XML这一特性而产生的常见的技术和规范包括：SOAP、Web Services、UDDI和WSDL。

SOAP的全称是Simple Object Access Protocol，它定义了一类XML如何创建、打包和传送，可以直接通过HTTP方式同步或异步的传递；Web Services在很大程度上依赖于SOAP；UDDI相当于在网上存储和共享Web Services的位置信息，供使用者在需要调用某个Web Service时查询；而WSDL是Web Services Dercription Language的缩写，用于在UDDI上描述Web服务。

 [XML学习笔记][2.5]XML数据操作

 

XML的另一个重要的应用是数据操作。

就数据操作而言，一个基本的概念是XPath，XPath是一种语言，用于通过某种文本形式的途径表示XML文档中的元素或者另一个XML文档等等，基于XPath，我们才能够在XML中相对方便的引用到相关的内容，以致使用到XSLT这样的东东。

为什么会有这样的语言？因为在很多时候XML文档所代表的数据是相互关联的，而并非独立的一个一个元素和文档，XPath等语言使得很多高级的操作得以简单的完成。

 [XML学习笔记][2.6]XML存储

XML文档只能以文本文件的形式存在吗？错。

常见的XML存储形式有：

• 文本文件
• 关系数据库
• 二进制文件
• XML数据库（这个是不是有点过分了，呵呵）

以文本形式储存XML数据当然在很多情况下是适用的，也是我们最常看到的XML存储方式，因为我们在J2EE中接触最多的就是XML的配置文件嘛，如果不是文本的，我们改起来是不是就有点别扭了？只不过文本的东西每次用的时候都需要做转换，影响到执行的效率罢了。所以通常我们在做项目时也会用一些自动化的工具将我们的XML在系统运行或调试前做一些转换。

这样看，我们还真的不能想当然了。

 [XML学习笔记][3]在Java的世界中使用XML

在前面，我们一起很粗略的过了一遍XML的基础知识，下面该看看如何在Java中使用功能强大的XML了。由于XML的广泛应用，许多厂商或者团体都使用Java编写了用于处理XML的类库，这些类库之间并不兼容，为了给这些类库的使用者们提供一个通用的接口，我们欣喜地看到Java中引入了JAXP，Java API for XML Processing，我们当然也可以通过实现和扩展JAXP来构建我们自己的XML处理类。

在我们的日常Java编程中，需要处理XML通常是如下情形：

    I- 从XML中读取和分析数据
    II- 利用XLST将XML转换成其他格式

在接下来的笔记中，我们就分别来看看这两种工作如何通过JAXP来完成。
 [XML学习笔记][3.1]通过JAXP使用SAX

 

在前面的笔记中，我们曾经提到读取XML数据的两种截然不同的方式，SAX就是其中一种。来看一段代码：

/**/ /*
 * Created on 2005-2-24
 * All rights reserved.
 * 
 */
package sean.home.test;

import java.io.File;

import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;

/**/ /**
 * @author Sean GAO
 *         <p>
 *         gaoyuxiang@gmail.com
 *         </p>
 * 
 */
public   class  Main  {

    public static void main(String[] args) throws Exception {

        SAXParserFactory factory = SAXParserFactory.newInstance();
        SAXParser parser = factory.newSAXParser();

        DefaultHandler myHandler = new DefaultHandler() {

            public void startDocument() throws SAXException {
                System.out.println("XML document starts ");
            }

            public void endDocument() throws SAXException {
                System.out.println("XML document ends ");
            }

            public void startElement(String uri, String localName,
                    String qualifiedName, Attributes attributes)
                    throws SAXException {
                System.out.println("element " + qualifiedName + "starts ");
            }

            public void endElement(String uri, String localName,
                    String qualifiedName) throws SAXException {
                System.out.println("element " + qualifiedName + "ends ");
            }

            public void characters(char[] ch, int start, int length) {
                System.out.println(new String(ch, start, length));
            }

        };
        
        parser.parse(new File(args[0]), myHandler);
        
    }
}

在这段代码中，我们通过SAXParserFactory获取一个parser，然后自定义一个Handler去处理由SAX读取XML文件时触发的事件，如startDocument表示文档开始，endElement表示元素读取结束，characters表示在元素体内读到内容等等。这里我为了方便直接写成匿名内部类了，Exception也没有做任何处理，这在实际中通常是不合理的。

基本上SAX的实现和使用都很直截了当，就是处理一个个事件罢了。

 [XML学习笔记][3.2]通过JAXP使用DOM

 

DOM的调用方法看上去跟SAX也很类似：

/**/ /*
 * Created on 2005-2-24
 * All rights reserved.
 *
 */
package sean.home.test;

import java.io.File;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;

import org.w3c.dom.Document;
import org.w3c.dom.Node;

/**/ /**
 * @author Sean GAO 
 * <p>
 * gaoyuxiang@gmail.com
 * </p>
 * 
 */
public   class  DOMTest  {

    public static void main(String[] args) throws Exception {

        DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
        DocumentBuilder builder = factory.newDocumentBuilder();
        Document myDocument = builder.parse(new File(args[0]));
        Node root = myDocument.getDocumentElement();

        // 这时我们已经有一个完整的反映出所处理XML文档的树型结构，并取得了它的根节点
        
        System.out.println(root.getNodeName());
        
        // 
        
    }
}

在这里，我们取得了想要的DOM模型，之后我们就可以对它进行遍历或操作了。对于org.w3c.dom.Document类型的对象，我们可以调用如下常用的方法：

getDocumentElement()
getElementsByTagName(String)
getChildNodes()
getParentNode()
getFirstChild()
getLastChild()
getPreviousSibling()

获取到org.w3c.dom.Node对象后，我们可以：

getAttributes()
getNodeName()
getNodeType()
getNodeValue()
getNamespaceURI()
hasAttributes()
hasChildNodes()

这些方法从名称就知道是干什么的了，对吧？我就不多解释了。

 [XML学习笔记][3.3]通过JAXP使用XSLT

 

最后我们来看看如何通过JAXP调用XSLT，同样很简单：

/**/ /*
 * Created on 2005-2-24
 * All rights reserved.
 *
 */
package sean.home.test;

import java.io.File;

import javax.xml.transform.Source;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.stream.StreamResult;
import javax.xml.transform.stream.StreamSource;

/**/ /**
 * @author Sean GAO
 * <p>
 * gaoyuxiang@gmail.com
 * </p>
 * 
 */
public   class  XSLTest  {

    public static void main(String[] args) throws Exception {
        
        TransformerFactory factory = TransformerFactory.newInstance();
        Source xmlSource = new StreamSource(new File(args[0]));
        Source xlsSource = new StreamSource(new File(args[1]));
        Transformer transformer = factory.newTransformer(xlsSource);
        transformer.transform(xmlSource, new StreamResult(new File(args[3])));

    }
}

是不是也跟SAX、DOM的接口很像？也是通过工厂方法获取一个Transformer实例然后提供输入和输出的文件路径，用它来transform即可。

 [XML学习笔记][4]结语

 

至此我的XML学习笔记就截止了，大家也看到，这些都是十分基础的内容，然而我们平时很少去关心它。我的初衷是在做了N久的J2EE后回过头来温习一下XML的基本概念和用法，并不要求自己太深入，目的也达到了。具体的语法细节我想大家可以参考W3C和SUN官网上的资料和JavaDoc。

希望能当作XML的Java版快速入门来看，这些都是我们做Java的需要了解的最基本的XML常识，了解这些以后对一般的XML处理工作也基本上够了。

谢谢大家！祝大家天天开心，日日上进！:)