XML和Dom4j

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" ?>

1. 文档声明可以不写

2. 文档声明必须为<?xml开头，以？>结束

3. 文档声明必须从文档的0行0列位置开始

4. 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

1. 元素是XML中最重要的组成部分，元素也叫标签
2. 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>
3. 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
4. 如果标签没有任何内容，那么可以定义空标签(比如：<名字/>)
5. 标签可以嵌套,但是不能乱嵌套
6. 一个XML文件只有一个根标签
7. 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

1. 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

2. 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

3. 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

4. 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 &amp;&amp;  price &lt; 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

1. 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">
   

2. 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">
   

3. 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

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：

  1. 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

  2. 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。

  3. 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

1. 导入jar包 dom4j-1.6.1j.jar
2. 创建解析器
3. 读取xml 获得document对象
4. 得到根元素
5. 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：

  1. 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

  2. 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

  3. 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

  4. 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