XML和Dom4j
一、XML
1 XML介绍
1.1什么是XML
-
XML 指可扩展标记语言(EXtensible Markup Language)
-
XML是用来传输数据的,不是用来显示数据的。之后学习另外一个HTML是用来显示数据的。
-
XML 标签没有被预定义。您需要自行定义标签。
-
XML 是 W3C 的推荐标准
W3C在1988年2月发布1.0版本,2004年2月又发布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 XML 与 HTML 的主要差异
- html语法松散,xml语法严格,区分大小写
- html做页面展示,xml传输数据
- html所有标签都是预定义的,xml所有标签都是自定义的
1.3 xml的作用
-
作为配置文件。 javaee框架 ssm大部分都会使用xml作为配置文件
-
XML可以存储数据 , 作为数据交换的载体(使用XML格式进行数据的传输)。
2 XML组成元素
一个标准XML文件一般由以下几部分组成:文档声明、元素、属性、注释、转义字符、字符区。
2.1文档声明
<?xml version="1.0" encoding="utf-8" ?>
-
文档声明可以不写
-
文档声明必须为<?xml开头,以?>结束
-
文档声明必须从文档的0行0列位置开始
-
文档声明中常见的两个属性:
- version: 指定XML文档版本。必须属性,这里一般选择1.0;
- enconding: 指定当前文档的编码,可选属性,默认值是utf-8;
2.2注释
<!--注释内容-->
- XML的注释,既以
<!--
开始,-->
结束。 - 注释不能嵌套
- idea上快捷键:
ctrl + /
2.3元素\标签
- 元素是XML中最重要的组成部分,元素也叫标签
- 标签分为开始标签和结束标签,开始标签<名字> 结束标签</名字>
- 开始标签和结束标签中间写的是标签内容,标签的内容可以是文本,也可以是其他标签
- 如果标签没有任何内容,那么可以定义空标签(比如:<名字/>)
- 标签可以嵌套,但是不能乱嵌套
- 一个XML文件只有一个根标签
- 命名规则:
- 不要使用XML xML xml 写样的单词
- 不能使用空格,冒号
- 命名区分大小写
- 数字不能开头
2.4属性
-
位置: 属性是元素的一部分,它必须出现在元素的开始标签中,不能写在结束标签中
-
格式: 属性的定义格式:属性名=“属性值”,其中属性值必须使用单引或双引号括起来
-
一个元素可以有0~N个属性,但一个元素中不能出现同名属性
-
属性名必须符合标识符命名规范和规则
<?xml version="1.0" encoding="UTF-8" ?> <person> <name id = "001" level = '98'>唐三</name> <age>10</age> <aaa type = 'itheima' /> </person>
2.5转义字符
因为有些特殊的字符在XML中是不会被识别的,所以在元素体或属性值中想使用这些符号就必须使用转义字符(也叫实体字符),例如:">"、"<"、"’"、"""、"&"。
注意:严格地讲,在 XML 中仅有字符 “<“和”&” 是非法的。省略号、引号和大于号是合法的,但是把它们替换为实体引用是个好的习惯。
转义字符应用示例:
<price> 苹果的价格: price > 5 && price < 10</price>
2.6字符区
- CDATA 内部的所有东西都会被解析器忽略,当做文本
<![CDATA[
文本数据
]]>
<!-- 案例 -->
<price>
<![CDATA[
苹果的价格: price > 5 && price < 10
]]>
</price>
3.DTD约束
- 在XML技术里,可以编写一个文档来约束一个XML文档的书写规范,这称之为XML约束。
- 约束文档定义了在XML中允许出现的元素(标签)名称、属性及元素(标签)出现的顺序等等。
- 两种约束:DTD约束(文件后缀为dtd),Schema约束(文件后缀为xsd)
3.1xml文件中引入dtd约束文档
-
外部本地DTD,DTD文档在本地,dtd约束文档和xml文档在同一路径下
<!DOCTYPE 根元素 SYSTEM "文件名">
-
外部本地DTD,DTD文档在网络上
<!DOCTYPE 根元素 PUBLIC "DTD名称" "DTD文档的URL">
-
内部DTD,在XML文档内部嵌入DTD,只对当前XML有效
<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE 根元素 [元素声明]>
3.2对标签层级关系的约束
-
格式:
<!ELEMENT 标签名 (子标签,子标签,...)>
-
数量词:
- ***** 表示元素可以出现0到多个
- + 表示元素可以出现至少1个
- ? 表示元素可以是0或1个
- , 表示元素需要按照顺序显示
- | 表示元素需要选择其中的某一个
3.3对标签的约束
-
格式:
<!ELEMENT 标签名 标签类型>
-
标签类型:
- EMPTY 即空元素,例如
- ANY 任意类型)
- PCDATA 字符串数据
- EMPTY 即空元素,例如
3.4对属性的约束
格式:
<!ATTLIST 标签名
属性名 属性类型 属性约束
属性名 属性类型 属性约束
...
>
解释:
- 属性类型:
- **CDATA 😗*表示文本字符串
- **ID:**表示属性值唯一,不能以数字开头
- ENUMERATED (DTD没有此关键字):表示枚举,只能从枚举列表中任选其一,如(鸡肉|牛肉|猪肉|鱼肉)
- 属性约束:
- **REQUIRED:**表示该属性必须出现
- **IMPLIED:**表示该属性可有可无
- **FIXED:**表示属性的取值为一个固定值。语法:#FIXED “固定值” 4.schema约束
<!--根标签名为书架,书架标签下至少有一个书标签 +表示至少出现一次-->
<!ELEMENT 书架 (书+)>
<!--书标签下,包含书名,做做,售价三个子标签,并且必须按照这个顺序出现-->
<!ELEMENT 书 (书名,作者,售价)>
<!--书名标签中的内容是文本数据-->
<!ELEMENT 书名 (#PCDATA)>
<!--作者标签中的内容是文本数据-->
<!ELEMENT 作者 (#PCDATA)>
<!--售价标签中的内容是文本数据-->
<!ELEMENT 售价 (#PCDATA)>
<!--
对书标签中的属性进行约束:
书标签中有一个id属性,类型为ID类型,也就是说该属性值要唯一,不能以数字开头,约束是必须出现
书标签中有一个编号属性,类型是CDATA类型,也就是字符串类型,约束是可有可无
书标签中有一个出版社属性,类型是枚举类型,也就是说该属性值只能在枚举值中任选一个,默认值为传智播客
书标签中有一个type属性,类型为CDATA类型,也就是字符串类型,固定值为IT
-->
<!ATTLIST 书
id ID #REQUIRED
编号 CDATA #IMPLIED
出版社 (清华|北大|传智播客) "传智播客"
type CDATA #FIXED "IT"
>
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE 书架 SYSTEM "bookdtd.dtd">
<书架>
<书 id="a1" 编号="001" 出版社="清华" type="IT">
<书名>斗罗大陆</书名>
<作者>唐家三少</作者>
<售价>99.8</售价>
</书>
<书 id="a2">
<书名>java从入门到放弃</书名>
<作者>无名氏</作者>
<售价>9.8</售价>
</书>
</书架>
4.schema约束
schema和DTD一样, 也是一种XML文件的约束.
Schema 语言也可作为 XSD(XML Schema Definition)。
Schema约束的文件的后缀名.xsd
Schema 功能更强大,数据类型约束更完善。
<?xml version="1.0" encoding="UTF-8" ?>
<!-- 传智播客教学实例文档.将注释中的以下内容复制到要编写的xml的声明下面
复制内容如下到XML文件中:
<书架 xmlns="http://www.itcast.cn"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.itcast.cn bookSchema.xsd" >
-->
<xs:schema
xmlns:xs="http://www.w3.org/2001/XMLSchema"
targetNamespace="http://www.itcast.cn"
elementFormDefault="qualified">
<!--element表示元素,也就是对元素进行约束-->
<!--根标签的名称为书架-->
<xs:element name='书架'>
<!--complexType:表示标签是一个复杂标签-->
<!--书架是一个复杂标签-->
<xs:complexType>
<!--sequence表示要按照顺序出现,maxOccurs最多出现多少次,unbounded无数次,minOccurs:最少出现多少次-->
<!--书架标签的子标签必须按照顺序出现,最多出现2次,最少出现1次-->
<xs:sequence maxOccurs="2" minOccurs="1">
<!--书架的子标签的名称为书-->
<xs:element name='书'>
<!--书标签是一个复杂标签-->
<xs:complexType>
<!--书标签的子标签必须按照顺序出现-->
<xs:sequence>
<!--书标签的子标签名为书名,类型为string-->
<!--书标签的子标签名为作者,类型为string-->
<!--书标签的子标签名为售价,类型为double-->
<xs:element name='书名' type='xs:string'/>
<xs:element name='作者' type='xs:string'/>
<xs:element name='售价' type='xs:double'/>
</xs:sequence>
<!--attribute表示属性,也就是对属性的元约束,optional:表示可选的,required:表示必须的-->
<!--书标签有一个bid属性,类型为int类型,是可选-->
<xs:attribute name="bid" type="xs:int" use="optional"/>
</xs:complexType>
</xs:element>
</xs:sequence>
</xs:complexType>
</xs:element>
</xs:schema>
<?xml version="1.0" encoding="UTF-8" ?>
<书架 xmlns="http://www.itcast.cn"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.itcast.cn bookSchema.xsd" >
<书 bid="1">
<书名>斗罗大陆</书名>
<作者>唐家三少</作者>
<售价>99.8</售价>
</书>
</书架>
二、Dom4j
1.XML解析
解析方式
-
开发中比较常见的解析方式有三种,如下:
-
DOM:要求解析器把整个XML文档装载到内存,并解析成一个Document对象
a)优点:元素与元素之间保留结构关系,故可以进行增删改查操作。
b)缺点:XML文档过大,可能出现内存溢出
-
SAX:是一种速度更快,更有效的方法。她逐行扫描文档,一边扫描一边解析。并以事件驱动的方式进行具体解析,每执行一行,都触发对应的事件。(了解)
a)优点:不会出现内存问题,可以处理大文件
b)缺点:只能读,不能回写。
-
PULL:Android内置的XML解析方式,类似SAX。(了解)
-
-
解析器,就是根据不同的解析方式提供具体实现。有的解析器操作过于繁琐,为了方便开发人员,有提供易于操作的解析开发包
解析包
- JAXP:sun公司提供支持DOM和SAX开发包
- Dom4j: 比较简单的的解析开发包(常用),
- JDom:与Dom4j类似
- Jsoup:功能强大DOM方式的XML解析开发包,尤其对HTML解析更加方便(项目中讲解)
2.Dom4j的基本使用
2.1 DOM解析原理及结构模型
-
解析原理
XML DOM 和 HTML DOM一样,XML DOM 将整个XML文档加载到内存,生成一个DOM树,并获得一个Document对象,通过Document对象就可以对DOM进行操作。
-
结构模型
DOM中的核心概念就是节点,在XML文档中的元素、属性、文本,在DOM中都是节点!所有的节点都封装到了Document对象中。
2.2使用步骤
- 导入jar包 dom4j-1.6.1j.jar
- 创建解析器
- 读取xml 获得document对象
- 得到根元素
- 根据根元素获取对于的子元素或者属性
2.3常用方法
-
创建解析器对象:
SAXReader sr = new SAXReader();
-
解析器读取文件方法:
Document doc = sr.read(String fileName);
-
Document的方法:
getRootElement() : 获取根元素
-
节点中的方法:
elements() : 获取当前元素的子元素 element(String name) : 根据元素名获取指定子元素(如果有多个就获取到第一个) getName() : 获取元素的元素名 elementText(String name) : 获取指定子元素的文本值,参数是子元素名称 attributeValue(String name) : 获取当前元素下某个属性的值 getText() : 获取当前元素的文本值
<?xml version="1.0" encoding="UTF-8"?>
<books>
<book id="0001">
<name>JavaWeb开发教程</name>
<author>张孝祥</author>
<sale>100.00元</sale>
</book>
<book id="0002">
<name>三国演义</name>
<author>罗贯中</author>
<sale>100.00元</sale>
</book>
</books>
public class Test1 {
public static void main(String[] args) throws Exception {
// 1.创建解析器对象
SAXReader sr = new SAXReader();
// 2.使用解析器读取xml文档,生成Document对象
Document document = sr.read("day16\\src\\book.xml");
// 3.根据Document对象获取根元素
Element rootE = document.getRootElement();
System.out.println("根元素的名称:" + rootE.getName());// books
// 4.获取根元素下的所有子元素
List<Element> list1 = rootE.elements();
// 5.循环遍历根元素的所有的子元素
for (Element e1 : list1) {
System.out.println("根元素的子元素的名称:" + e1.getName());// book book
System.out.println("根元素的子元素的id属性值:" + e1.attributeValue("id"));// 0001 0002
// 获取e1元素下的所有子元素
List<Element> list2 = e1.elements();
// 循环遍历list2
for (Element e2 : list2) {
System.out.println("book下的子元素名:" + e2.getName());// name author sale
System.out.println("book下的子元素中的文本:" + e2.getText());// name author sale
}
System.out.println("==================================");
}
// 5.获取根元素下的book子元素(就获取第一个)
Element bookE = rootE.element("book");
System.out.println(bookE.getName());// book
System.out.println(bookE.attributeValue("id"));// 0001
// 6.获取bookE元素下的author子元素的文本
String text = bookE.elementText("author");
System.out.println(text);// 张孝祥
}
}
3.Dom4J结合XPath解析XML
XPath 使用路径表达式来选取HTML\XML 文档中的元素节点或属性节点。节点是通过沿着路径 (path) 来选取的。XPath在解析HTML\XML文档方面提供了独树一帜的路径思想。
3.1XPath使用步骤
步骤1:导入jar包(dom4j和jaxen-1.1-beta-6.jar)
步骤2:通过dom4j的SaxReader解析器对象,获取Document对象
步骤3: 利用Xpath提供的api,结合xpaht的语法完成选取XML文档元素节点进行解析操作。
document常用的api
- document.selectSingleNode(“xpath语法”); 获得一个节点(标签,元素)
- document.selectNodes(“xpath语法”); 获得多个节点(标签,元素)
3.2XPath语法
-
XPath表达式,就是用于选取HTML文档中节点的表达式字符串。
获取XML文档节点元素一共有如下4种XPath语法方式:
-
绝对路径表达式方式 例如: /元素/子元素/子子元素…
- 以/开头的路径叫做是绝对路径,绝对路径要从根元素开始写
-
相对路径表达式方式 例如: 子元素/子子元素… 或者 ./子元素/子子元素…
- 相对路径就是相对当前节点元素位置继续查找节点,不以/开头, …/ 表示上一个元素, ./表示当前元素
-
全文搜索路径表达式方式 例如: //子元素//子子元素
- 代表不论中间有多少层,直接获取所有子元素中满足条件的元素
-
谓语(条件筛选)方式 例如: //元素[@attr1=value]
-
谓语,又称为条件筛选方式,就是根据条件过滤判断进行选取节点
格式:
- String xpath1="//元素[@attr1=value]";//获取元素属性attr1=value的元素
- String xpath2="//元素[@attr1>value]/@attr1"//获取元素属性attr1>value的d的所有attr1的值
- String xpath3="//元素[@attr1=value]/text()";//获取符合条件元素体的自有文本数据
- String xpath4="//元素[@attr1=value]/html()";//获取符合条件元素体的自有html代码数据。
- String xpath3="//元素[@attr1=value]/allText()";//获取符合条件元素体的所有文本数据(包含子元素里面的文本)
-
-
-
获取不同节点语法
获取类型 语法代码 获取元素节点 元素名称 获取属性节点 @属性名称