XML实战教程

最新推荐文章于 2024-05-01 10:30:14 发布

宠着长岛冰茶吗

最新推荐文章于 2024-05-01 10:30:14 发布

阅读量296

点赞数

文章标签： xml

本文链接：https://blog.csdn.net/qq_43417220/article/details/108309981

版权

JAVA_SE 专栏收录该内容

21 篇文章 0 订阅

订阅专栏

XML实战教程

1. XML概述
2. XML语法概述
- 2.1. XML文档展示
- 2.2. XML文档的组成部分
3. XML文档声明
- 3.1. 什么是xml文档声明
- 3.2. xml文档声明结构
4. XML元素
5. XML约束（了解）
6. XML解析
7. DOM4J

1. XML概述

1.1. 什么是XML

XML全称为Extensible Markup Language, 意思是可扩展的标记语言，它是 SGML（标准通用标记语言）的一个子集。
XML语法上和HTML比较相似，但HTML中的元素是固定的，而XML的标签是可以由用户自定义的。
W3C在1998年2月发布1.0版本；
W3C在2004年2月发布1.1版本，但因为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！！！

1.2. W3C组织

W3C是万维网联盟(World Wide Web Consortium)英文的缩写，它成立于1994年10月，以开放论坛的方式来促进开发互通技术(包括规格、指南、软件和工具)，开发网络的全部潜能。万维网联盟(W3C)从1994年成立以来，已发布了90多份Web技术规范，领导着Web技术向前发展。
W3C认为自身不是官方组织，因此将它正式发布的规范称为推荐(建议)标准，意思是进一步标准化的建议，但是由于组织自身的权威性往往成为事实上的标准。

1.3. XML的作用

程序的配置文件（这也是最后大家使用XML最常见的目的）；
数据交换：不同语言之间用来交换数据；
小型数据库：用来当数据库存储数据。

1.4. XML与HTML比较

HTML的元素都是固定的，而XML可以自定义元素；
HTML用浏览器来解析执行， XML的解析器通常需要自己来写（因为元素是自定义的）；
HTML只能用来表示网页，而XML可以做的事情很多。

1.5. XML和properties（属性文件）比较

属性文件只能存储平面信息，而XML可以存储结构化信息；
解析属性文件只需要使用Properties类就可以了，而解析XML文档是很复杂的。

2. XML语法概述

2.1. XML文档展示

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<students>
	<student number="1001">
		<name>zhangSan</name>
		<age>23</age>
		<sex>male</sex>
	</student>
	<student number="1002">
		<name>liSi</name>
		<age>32</age>
		<sex>female</sex>
	</student>
	<student number="1003">
		<name>wangWu</name>
		<age>55</age>
		<sex>male</sex>
	</student>
</students>

2.2. XML文档的组成部分

XML文档声明；
XML处理指令；
XML元素；
XML特殊字符和CDATA区；
XML注释。

3. XML文档声明

3.1. 什么是xml文档声明

可以把xml文档声明看成是xml文档说明。最简单的xml文档声明：<?xml version="1.0"?>
注意，XML是区别大小写，这一点不同与HTML！

3.2. xml文档声明结构

version属性：用于说明当前xml文档的版本，因为都是在用1.0，所以这个属性值大家都写1.0，version属性是必须的；
encoding属性：用于说明当前xml文档使用的字符编码集，xml解析器会使用这个编码来解析xml文档。encoding属性是可选的，默认为UTF-8。注意，如果当前xml文档使用的字符编码集是gb2312，而encoding属性的值为UTF-8，那么一定会出错的；
standalone属性：用于说明当前xml文档是否为独立文档，如果该属性值为yes，表示当前xml文档是独立的，如果为no表示当前xml文档不是独立的，即依赖外部的约束文件。默认是yes
没有xml文档声明的xml文档，不是格式良好的xml文档；
xml文档声明必须从xml文档的1行1列开始。

4. XML元素

4.1. XML元素的格式1

xml元素包含：开始标签、元素体（内容）、结束标签。例如：<hello>大家好</hello>
空元素：空元素只有开始标签，没有元素体和结束标签，但空元素一定要闭合。例如：<hello/>

4.2. XML元素的格式2

xml元素可以包含子元素或文本数据。例如：<a>hello</a>，a元素的元素体内容是b元素，而b元素的元素体内容是文本数据hello。
xml元素可以嵌套，但必须是合法嵌套。例如：<a>hello</a>就是错误的嵌套。

4.3. XML文档的根元素

格式良好的xml文档必须且仅有一个根元素！

<--student1.xml-->
<?xml version="1.0" encoding="utf-8" standalone="no"?>
<students>
	<student number="1001">
		<name>zhangSan</name>
		<age>23</age>
		<sex>male</sex>
	</student>
	<student number="1002">
		<name>liSi</name>
		<age>32</age>
		<sex>female</sex>
	</student>
</students>

<--student2.xml-->
<?xml version="1.0" encoding="utf-8" standalone="no"?>
<student number="1001">
	<name>zhangSan</name>
	<age>23</age>
	<sex>male</sex>
</student>
<student number="1002">
	<name>liSi</name>
	<age>32</age>
	<sex>female</sex>
</student>

student1.xml是格式良好的xml文档，只有一个根元素，即students元素。
student2.xml不是格式良好的xml文档，有两个根元素，即两个student根元素。

4.4. 元素中的空白

xml元素的元素体可以包含文本数据和子元素。

<--a.xml-->
<a><b>hello</b></a>

<--b.xml-->
<a>
  <b>
hello
  </b>
</a>

a.xml中，<a>元素只有一个子元素，即元素。元素只有一个文本数据，即hello。
b.xml中，<a>元素中第一部分为换行缩进，第二部分为元素，第三部分为换行。b元素的文本数据为换行、缩进、hello、换行、缩进。
其中换行和缩进都是空白，这些空白是为了增强xml文档的可读性。但xml解析器可能会因为空白出现错误的解读，这说明在将来编写解析xml程序时，一定要小心空白。

4.5. 元素命名规范

xml元素名可以包含字母、数字以及一些其它可见字符，但必须遵循下面的一些规范：

区分大小写：<a>和<A>是两个元素；
不能以数字开头：<1a>都是错误的；
最好不要以xml开头：<xml>、<Xml>、<XML>；
不能包含空格；

4.6. 元素属性

属性由属性名与属性值构成，中间用等号连接；
属性值必须使用引号括起来，单引或双引；
定义属性必须遵循与标签名相同的命名规范；
属性必须定义在元素的开始标签中；
一个元素中不能包含相同的属性名；

4.7. 注释

注释以结束；
注释中不能包含–；

4.8. 转义字符和CDATA区

因为在xml文档中有些字符是特殊的，不能使用它们作为文本数据。例如：不能使用“<”或“>”等字符作为文本数据，所以需要使用转义字符来表示。
例如<a><a></a>，你可能会说，其中第二个<a>是a元素的文本内容，而不是一个元素的开始标签，但xml解析器是不会明白你的意思的。
把<a><a></a>修饰为<a><a></a>，这就OK了。
在这里插入图片描述
转义字符都是以“&”开头，以“;”结束。这与后面我们学习的实体是相同的。

4.9. CDATA区（CDATA段）

当大量的转义字符出现在xml文档中时，会使xml文档的可读性大幅度降低。这时如果使用CDATA段就会好一些。
在CDATA段中出现的“<”、“>”、“””、“’”、“&”，都无需使用转义字符。这可以提高xml文档的可读性。

<a><![CDATA[<a>]]></a>

在CDATA段中不能包含“]]>”，即CDATA段的结束定界符。

5. XML约束（了解）

5.1. XML约束概述

一个XML文档一旦有了约束，那么这个XML文档就只能使用约束中创建的元素及属性。如果约束没有创建<a>元素，那么XML文档就不能使用<a>元素！！！
参见：XML约束和解析

5.1.1. 什么是xml约束

因为xml文档是可以自定义元素的，这会让使用xml文档的应用程序无法知道xml文档的真实结构。通常应用程序都会要求xml文件的结构是固定的，以满足自己的需求，这就说明，不同的应用程序要求自己的xml文档必须符合一定的要求。
例如，当使用xml文档作为某个Java swing应用程序的配置文件时，要求xml文档结构如下：

<frame title="test xml" layout="java.awt.BorderLayout">
  <bgcolor>
    <red>200</red>
    <green>0</green>
    <blue>0</blue>
  </bgcolor>
  <size>
    <width>300</width>
    <heigth>200</heigth>
  </size>
  <content>
    <label>
      <text>hello xml</text>
    <label>
  </content>
</frame>

当某个学生管理系统程序需要使用xml文档作为数据库时，要求xml文档结构如下：

<?xml version="1.0" encoding="utf-8" standalone="no"?>
<students>
	<student number="1001">
		<name>zhangSan</name>
		<age>23</age>
		<sex>male</sex>
	</student>
	<student number="1002">
		<name>liSi</name>
		<age>32</age>
		<sex>female</sex>
	</student>
	<student number="1003">
		<name>wangWu</name>
		<age>55</age>
		<sex>male</sex>
	</student>
</students>

xml文档约束是用另一个文件来约束xml文档的结构，例如要求xml文档的根元素必须是<students>，在<students>元素下可以包含0~n个<student>元素，每个<student>元素必须有一个number属性，而且还要有三个子元素，分别为<name>、<age>、<sex>，这三个子元素的内容必须为文本内容，而不能是子元素。

5.1.2. XML文档约束的类型

xml文档约束有两种类型：dtd和schema

dtd： dtd是平面式文档，dtd文件不是xml文档，通常扩展名为“.dtd”。它是最早的xml约束；DTD是老的XML约束。
schema： schema本身也是xml文档，它比dtd要更加强大，通常扩展名为“.xsd”。它是新的xml文档约束，用来替代dtd；Schema是新的，用Schema替换掉DTD。

会读即可！

5.2. DTD

5.2.1. 什么是DTD

DTD（Document Type Definition），文档类型定义，用来约束XML文档。例如要求xml文档的根元素必须是<students>，在<students>元素下可以包含0~n个<student>元素，每个<student>元素必须有一个number属性，而且还要有三个子元素，分别为<name>、<age>、<sex>，这三个子元素的内容必须为文本内容，而不能是子元素。

5.2.2. DTD展示

<!ELEMENT students (student+)>
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>

解读上面DTD：

students元素中可以包含1~n个student元素；
student元素中必须包含name、age、sex元素，而且顺序也是固定的；
name元素内容为文本，即字符串；
age元素内容为文本；
sex元素内容为文本。

5.3. Schema

5.3.1. Schema概述

我们学习Schema的第一目标是：参照Schema的要求可以编写XML文档；
第二目标是：可以自己来定义Schema文档。

5.3.2.为什么要用Schema

DTD 的局限性
- DTD不遵守XML语法（写XML文档实例时候用一种语法，写DTD的时候用另外一种语法）
- DTD数据类型有限（与数据库数据类型不一致）
- DTD不可扩展
- DTD不支持命名空间（命名冲突）
Schema的新特性
- Schema基于XML语法
- Schema可以用能处理XML文档的工具处理
- Schema大大扩充了数据类型，可以自定义数据类型
- Schema支持元素的继承—Object-Oriented’
- Schema支持属性组

5.3.3. scheme的文档结构

在这里插入图片描述

5.3.4. scheme的数据类型

简单类型
- 内置的数据类型（built-in data types）
  - 基本的数据类型
  - 扩展的数据类型
- 用户自定义数据类型（通过simpleType定义）数据类型的特性：
复杂类型（通过complexType定义）

6. XML解析

6.1. 操作XML文档概述

6.2. 如何操作XML文档

XML文档也是数据的一种，对数据的操作也不外乎是“增删改查”。也被大家称之为“CRUD”。

C：Create；
R：Retrieve；
U：Update；
D：Delete

6.3. XML解析技术

XML解析方式分为两种：DOM（Document Object Model）和SAX（Simple API for XML）。这两种方式不是针对Java语言来解析XML的技术，而是跨语言的解析方式。例如DOM还在Javascript中存在！
DOM是W3C组织提供的解析XML文档的标准接口，而SAX是社区讨论的产物，是一种事实上的标准。
DOM和SAX只是定义了一些接口，以及某些接口的缺省实现，而这个缺省实现只是用空方法来实现接口。一个应用程序如果需要DOM或SAX来访问XML文档，还需要一个实现了DOM或SAX的解析器，也就是说这个解析器需要实现DOM或SAX中定义的接口。提供DOM或SAX中定义的功能。

7. DOM4J

7.1. DOM4J概述

7.1.1. DOM4J是什么

DOM4J是针对Java开发人员专门提供的XML文档解析规范，它不同与DOM，但与DOM相似。DOM4J针对Java开发人员而设计，所以对于Java开发人员来说，使用DOM4J要比使用DOM更加方便。
DOM4J对DOM和SAX提供了支持，使用DOM4J可以把org.dom4j.document转换成org.w3c.Document，DOM4J也支持基于SAX的事件驱动处理模式。
使用者需要注意，DOM4J解析的结果是org.dom4j.Document，而不是org.w3c.Document。DOM4J与DOM一样，只是一组规范（接口与抽象类组成），底层必须要有DOM4J解析器的实现来支持。
DOM4J使用JAXP来查找SAX解析器，然后把XML文档解析为org.dom4j.Document对象。它还支持使用org.w3c.Document来转换为org.dom4j.Docment对象。

7.1.2. DOM4J中的类结构

在DOM4J中，也有Node、Document、Element等接口，结构上与DOM中的接口比较相似。但还是有很多的区别：
在这里插入图片描述

在DOM4J中，所有XML组成部分都是一个Node，其中Branch表示可以包含子节点的节点，例如Document和Element都是可以有子节点的，它们都是Branch的子接口。
Attribute是属性节点，CharacterData是文本节点，文本节点有三个子接口，分别是CDATA、Text、Comment。

7.1.3. DOM4J获取Document对象

使用DOM4J来加载XML文档，需要先获取SAXReader对象，然后通过SAXReader对象的read()方法来加载XML文档：

	SAXReader reader = new SAXReader();
	//reader.setValidation(true);
	Document doc = reader.read("src/students.xml");

7.1.4. DOM4J保存Document对象

保存Document对象需要使用XMLWriter对象的write()方法来完成，在创建XMLWriter时还可以为其指定XML文档的格式（缩进字符串以及是否换行），这需要使用OutputFormat来指定。

	doc.addDocType("students", "", "students.dtd");
	OutputFormat format = new OutputFormat("\t", true);
	format.setEncoding("UTF-8");
	XMLWriter writer = new XMLWriter(new FileWriter(xmlName), format);
	writer.write(doc);
	writer.close();

7.1.5. DOM4J创建Document对象

DocumentHelper类有很多的createXXX()方法，用来创建各种Node对象。

	Document doc = DocumentHelper.createDocument();

7.2. Document操作

遍历students.xml

涉及的相关方法：
- Element getRootElement()：Document的方法，用来获取根元素；
- List elements()：Element的方法，用来获取所有孩子元素；
- String attributeValue(String name)：Element的方法，用来获取指定名字的属性值；
- Element element(String name)：Element的方法，用来获取第一个指定名字的子元素；
- String elementText(String name)：Element的方法，用来获取第一个指定名字的子元素的文本内容。
分析步骤：
- 获取Document对象；
- 获取root元素；
- 获取root所有子元素
- 遍历每个student元素；
- 打印student元素number属性；
- 打印student元素的name子元素内容；
- 打印student元素的age子元素内容；
- 打印student元素的sex子元素内容。

7.3. XPath

7.3.1. 什么是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基于XML的树状结构，提供在数据结构树中找寻节点的能力。起初 XPath 的提出的初衷是将其作为一个通用的、介于XPointer与XSL间的语法模型。但是 XPath 很快的被开发者采用来当作小型查询语言。

7.3.2. DOM4J对XPath的支持

在DOM4J中，Node接口中的三个方法最为常用：

List selectNodes(String xpathExpression)：在当前节点中查找满足XPath表达式的所有子节点；
Node selectSingleNode(String xpathExpression)：在当前节点中查找满足XPath表达式的第一个子节点；
String valueOf(String xpathExpression)：在当前节点中查找满足XPath表达式的第一个子节点的文本内容；

Document doc = reader.read(new FileInputStream("person.xml"));
		
		Element root = doc.getRootElement();
		List<Element> eList = root.selectNodes("/persons");
		List<Element> eList1 = root.selectNodes("/persons/person/name");
		
		List<Element> eList2 = root.selectNodes("//age");
		List<Element> eList3 = root.selectNodes("//person/age");
		
		List<Element> eList4 = root.selectNodes("/*/*/address");
		List<Element> eList5 = root.selectNodes("//*");
		
		List<Element> eList6 = root.selectNodes("/persons/person[1]");
		List<Element> eList7 = root.selectNodes("/persons/person[last()]");
		
		List<Element> eList8 = root.selectNodes("//@id");
		List<Element> eList9 = root.selectNodes("//person[@id]");
		List<Element> eList10 = root.selectNodes("//person[@*]");
		List<Element> eList11 = root.selectNodes("//*[not(@*)]");
		
		List<Element> eList12 = root.selectNodes("//person[@id='person1']");