JavaEE之XML学习

一、JavaEE与XML

JavaEE(Java Enterprise Edition)，一般表示Java企业应用开发中所经常用到的开发套件与框架，而学习JavaEE一般都是从Java Web(包括Servlet/JSP，Tomcat等)开始的，从这里开始，你将会接触到最基本的XML用于配置你的项目。

XML(Extensible Markup Language)¹⁹⁹⁸，是一种用来解决;SGML(Standard Generalized Markup Language)¹⁹⁶⁹过于复杂，而HTML(HyperText Markup Language)¹⁹⁹¹又比较简单，功能不够充分而出现的一种语言，广受开发人员的喜爱，从而用于各种场合中。XML标记只描述文档内容的结构和语义而不是内容的格式，格式可在另外的样式表中描述。

在讲XML之前，还要简要描述下DTD-文档类型定义：
DTD(Document Type Definition)用于定义XML标签含义，约束XML的值类型以及范围。比如月份的定义：

<MONTH> 12 </MONTH>

这是个合法的定义，但如果超过1~12这个范围，XML是无法处理对错的，所以这里可以定义DTD用于约束XML。
DTD应规定元素清单，属性，标记，文档中的实体以及相互关系。比如一项DTD指定一个BOOK元素中有一个ISBN子元素，一个TITLE子元素，一个或多个AUTHOR子元素等。
因为XML的作用不是单一的，当多种DTD解释XML的同种标记时可能产生二义性，所以XML中有命名域的概念，每个不同的DTD可以作为一个命名域来排解这种冲突。

二、XML的应用

2.1、作为专业领域标记语言

在我个人的理解中，XML实际上就是一种多领域自治互通语言，它能解决不同领域间的沟通问题。我们知道，XML的基本元素形式是这样的:

<标签 属性="值"...> 内容 </标签>

我们可以很容易的定义自己的标签从而表示出复杂的数学/化学公式或者乐谱等。

2.2、作为配置文件

XML还经常用于程序配置中，我们知道mysql的程序配置是这样的:

[子程序]
键 = 内容
......

如果配置比较简单的确可以这样实现，但是如果配置是分模块，分层次的，并且有语义约束。那么使用上面的形式就很难做到了。使用XML作为配置文件对比如上配置文件就像 面向对象的配置 和 面向过程的配置 一样。后者更有利于组织配置以及配置之间的关系。

2.3、作为XML的描述文件

如果要将XML用于某一公共领域，那么私人肯定是不能随意定义和解释"公共标签"的，那么这时，可以依靠XML用来描述另一个XML，在JavaEE中经常会遇到这样的东西：XSL-XML样式单语言、XLL-XML链接语言、XSD-XML文档模式定义。

2.3.1、XSL

  XSL(Extensible Style Language)主要用于将另外的XML文档转换为另外一种格式的文档。
  它主要有两个部分，第一部分定义了将XML文档加以转换的词汇表，这一部分的XSL将XML文档从一种标记词汇转换为另一种所需要的元素。这部分通称为"变换部分"。
XSL的第二部分定义了用于格式化转换后的XML文档(由第一部分产生)的词汇表。这包括用于格式化对象(比如分页，块，表格，图形等)的XML标记。这部分通称为"格式化部分"。
XSL的功能包括但不限于：抽取XML元素属性/内容，转换XML元素属性/内容，选择/重排XML元素等等，很像我们平时将HTML静态页面在服务器渲染数据的过程。只不过XSL是在客户端进行渲染的，并且数据源是XML文档。
综上所述，XSL更适合现实世界和大量数据应用的最佳选择，CSS更适合简单页面，即使CSS在预处理和JS方面的加持下，功能也无法突破自身的限制。

2.3.2、XLL

  XLL(Extensible Linking Language)类似于HTML中的<a …/>，但功能比之只有更强，因为XLL是双向的，读者可以跳转过去也可以跳转回来，并且XLL可以寻址文档内部的任意位置，比如第3个< p >标记等。

2.3.4、XSD

XSD(XML Schemas Definition)，是DTD的替代品，特点有下：

1. XML Schema基于XML,没有专门的语法
2. XML Schema可以象其他XML文件一样解析和处理
3. XML Schema比DTD提供了更丰富的数据类型.
4. XML Schema提供可扩充的数据模型。
5. XML Schema支持综合命名空间
6. XML Schema支持属性组。

JavaEE开发人员会经常与XSD打交道，当然，仅需了解常用用法的话是不需要了解XSD的，但如果想深究其原理，就不得不懂点XSD了。在比如Maven配置文件 pom.xml 中的根标签中就有如下定义:

<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

可以看出工程标签中有三个属性定义，分别是：
默认命名空间 : xmlns=“http://maven.apache.org/POM/4.0.0”，代表着该标签内的元素都是该命名域中的元素。

带有前缀的(实例)命名空间 : xmlns:xsi=“http://www.w3.org/2001/XMLSchema-instance”，这句代表着该标签内部 带有 xsi 前缀的标签是该命名域中的元素。如果只有一个实例，可以将该实例命名空间声明为默认的，之后写标签就不用写前缀了。

命名域架构声明 : xsi:schemaLocation =
“http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd”
这句的形式是以"键 值"的形式定义的，键是空格前面的命名域，值是空格后面的XSD文件，这句代表着xsi命名域中的架构设置为后面的文件。该属性中可以声明多条键 值对。

三、XML的解析

  定义了规则后，在应用时就需要具体的程序去解析(parse)它。XML解析器通过读入一个正确的XML文件，将其分解为各种元素，使程序员能够正确地访问这些元素。一般来说，XML有两种解析器：

1. 文档对象模型解析器
     文档对象模型（DOM）解析器是树型解析器，它们将读入的XML文档转换为树形结构。

2. XML简单API解析器
     XML简单API（XSI）解析器是流式解析器，它们在读入XML文档时生成相应的事件。

它们的区别是，DOM解析器因为需要将整个文档建立为树形结构，所以更加消耗内存，但信息也更加全面。XSI解析器不会以任何方式存储文档，而是基于事件回调来解析XML的。所以XSI解析器更适合文档内容较多，并且处理算法比较简单，不必看到完整的文档结构时使用。比如网络爬虫需要爬取全部的<a />标签，但又不过度依赖文档上下文，这时使用XSI就更好。

更多学习途径：
W3 XML标准;
W3C XML Schema文档;
同类型博客;