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><b>hello</b></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><b>hello</a></b>
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<b>
元素。<b>
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<b>
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
<!--
开头,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。
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
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:
- 内置的数据类型(built-in data types)
- 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']");