XML简介与解析

了解XML（可扩展标记语言）

XML（EXtensible Markup Language） 是 W3C 的推荐标准（结构标准语言），XML最初设计的目的是弥补HTML的不足，以强大的扩展性满足网络信息发布的需要，后来逐渐用于网络数据的转换和描述。XML 被设计为传输和存储数据，其焦点是数据的内容（当然安卓开发是用来做界面布局的）。HTML 被设计用来显示数据，其焦点是数据的外观。

XML的作用（简要）

1. 可以用来保存数据
   如安卓中的数据存储使用SharedPreferences专门存储一些单一的小数据，数据就是以xml保存的
   
2. 可以用来做配置文件
   这个是最为普遍的，如Tomcat中conf的web.xml与server.xml
3. 数据传输载体
   xml是一种数据交换格式，但是xml解析数据较复杂，现在客户端与服务器数据交换格式一般使用JSON

XML 语法

1.定义xml

xml其实就是一个文件，我们只要建一个文本按一定的语法编写后，把文件的后缀为 .xml即可。

2.文档声明

	<?xml version="1.0" encoding="gbk" standalone="no" ?>

	version：解析这个xml的时候，使用那个版本的解析器解析
	encoding：解析xml中的文字的时候，使用什么编码来解析
	standalone：no——该文档会依赖关联其他文档   yes——这是一个独立的文档  

关于encoding：
①.如果文件是以GBK的编码保存的，那么要是xml正常显示，则encoding应该是GBK或gb2312。（以什么编码方式保存，则encoding就是什么编码方式）

GB2312编码适用于汉字处理、汉字通信等系统之间的信息交换。GBK与GB 2312—1980国家标准所对应的内码标准兼容。对于人名、古汉语等方面出现的罕用字，GB 2312不能处理，这导致了后来GBK及GB 18030汉字字符集的出现。这里可以看出gbk是对gb2132的扩展，但是一些对于一些罕见字，如果使用gbk编码保存，以gb2312来解码，可能会出现乱码

②.通常PC端保存文件时见到的ANSI其实就是本地编码GBK；

③.一般为了通用性建议使用UTF-8编码保存，即encoding也应为UTF-8.

3.XML元素（标签）

①.<> 括起来的都叫元素,且是成对出现的，可以称为开始标签和结束标签。

<person> </person>

②.文档声明下来的第一个元素叫做根元素 (根标签)
③.属性的定义：XML元素可以在开始标签中包含属性

 <元素名称 属性名称="属性的值"></元素名称>   <person name=“张三” age=“18”> </person>

④.关于空标签：空标签“<”标识开始，以“/>”标识结束，一般配合属性来用。
语法格式：

 <空标签的名称 属性列表/>     如： <person name=“张三” age=“18”/>

或

 <空标签的名称/>    如： <person/>

⑤.元素里面可以嵌套其他的元素，元素里面也可以是普通的文字

<person>
	<student id="1">
		<name>张三</name>
	</student>
	
	<student id="2">
		<name>王五</name>
	</student>
</person>

⑥.标签可以自定义。

更多规则可参考：
XML 教程

---

XML 解析（ 常见的解析方式——面试题）

获取元素里面的字符数据或属性数据。

①.解析方式

解析方式有很多种，常用的有两种。
1.DOM：文档对象模型（Document Obiect Model），官方推荐

dom原理：把整个xml全部加载到内存中，形成树状结构。整个文档对应Document对象，属性对应Attribute对象，所有元素节点对应Element对象，文本对应Text对象，而以上所有对象都可称为Node对象
优点：可以对文档进行增删改查操作
缺点：当xml很大时，由于是把整个文档加载到内存，将会造成内存溢出。

DOM解析时XML文档形成所树结构的理解

<?xml version="1.0" encoding="UTF-8"?>
<person sex="男">
	<name>李华</name>
	<age>18</age>
</person>

2.SAX：简单应用程序接口（Simple Api For Xml）

特点：基于事件驱动，读取一行，解析一行。
优点：不会造成内存溢出
缺点：不能进行增删改，只能查询

②.针对这些解析方式的API

DOM与SAX是一种解析思想，并没有提供相应的api实现，一些组织或者公司， 针对这些解析方式， 给出了一些解决方案。

常见的解析工具:

• Dom4j：DOM4J组织提供的工具包，使用广泛。
• JDom：JDOM组织提供的工具包,使用较少
• JAXP：sun公司提供的，使用比较繁琐,使用少。
• Jsoup：jsoup 是一款Java 的HTML解析器。也能够解析XML，但是通常用于解析HTML，适用于网络爬虫。使用Java+Jsoup实现网络爬虫
  

Dom4j的基本用法

使用核心类SaxReader加载xml文档获得Document，通过Document对象获得文档的根元素，就可以针对性的进行解析操作了。

dom4j下载地址

常用方法：

SaxReader对象

方法	作用
new SaxReader()	构造器
Document read(String url)	加载执行xml文档
Document对象
方法	作用
–	–
Element getRootElement()	得到根元素

Element对象

方法	作用
Element element([String ele])	获得指定名称第一个子元素。可以不指定名称
List elements([String ele] )	获得指定名称的所有子元素。可以不指定名称（获取根元素下的所有子元素）
String getText()	获得当前元素的文本内容
String attributeValue(String attrName)	获得指定属性名的属性值
String elementText(Sting ele)	获得指定名称子元素的文本值
String getName()	获得当前元素的元素名

使用示例：

1.导包

2.创建xml

<?xml version="1.0" encoding="UTF-8"?>
<students>
	<student>
	<name>李华</name>
	<age>18</age>
	</student>
	
	<student>
	<name>小明</name>
	<age>28</age>
	</student>
</students>

2.测试基本用法

package xmlparser;
import java.io.File;
import java.util.List;

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;

public class XmlParser {
	public static void main(String[] args){
		try {
			//1. 创建一个解析器对象
			SAXReader reader=new SAXReader();
			//2.指定解析的xml源，得到的 Document 对象就带表了整个 XML
			Document  document  = reader.read(new File("src/xml/student.xml"));
			//3.得到元素
				//得到根元素
			Element rootElement = document.getRootElement();
			
				//获取根元素下的子元素  name
			String name1 = rootElement.element("student").element("name").getText();
			System.out.println(name1);
			
			
//			Element element = rootElement.element("student");
//			System.out.println(element);//org.dom4j.tree.DefaultElement@31befd9f [Element: <student attributes: []/>]
			
			
				//获取根元素下的所有子元素  student
			List<Element> elements = rootElement.elements();
			//遍历所有student元素
			for(Element elementBianli:elements){
				//得到student元素下的name元素
				String name2 = elementBianli.element("name").getText();
				String age = elementBianli.element("age").getText();
				System.out.println(name2+"  "+age);
			}
		} catch (DocumentException e) {
			e.printStackTrace();
		}
	}
}

运行结果：

Dom4J结合XPath解析XML

jaxen下载地址

• XPath 是一门在 XML 文档中查找信息的语言。使用Xpath提供的api,结合xpaht的语法（路径表达式）完成选取XML文档元素节点进行解析操作。
• DOM4j 对 XPath 有良好的支持，如访问一个节点，可直接用 XPath 选择，支持我们在解析xml的时候，能够快速的定位到具体的某一个元素。

XPath语法（使用XPath表达式直接定位到XML里的节点）：

• 绝对路径表达式方式：/a/b/c 找根标签a下边的b，b下边的c
• 全文搜索路径表达式方式：//a 全文搜索a标签
• 定位属性的方式：//@id 全文搜索id属性
• 条件筛选方式：
  ①通过序号定位：//a[3] 全文搜索a元素，但是要第3个
  ②通过属性筛选：//a[@id="1"]全文搜索id属性值为1的a元素

使用示例：
1.导包

2.测试基本使用：

package xmlparser;

import java.io.File;
import java.util.List;
import org.dom4j.DocumentException;

public class XmlParserXpath {
	
	public static void main(String[] args){
		try {
			//1. 创建一个解析器对象
			org.dom4j.io.SAXReader reader=new org.dom4j.io.SAXReader();
			//2.指定解析的xml源
			org.dom4j.Document  document  = reader.read(new File("src/xml/student.xml"));
			//3.得到元素
				//得到根元素
			org.dom4j.Element rootElement = document.getRootElement();
			
				//返回一个元素,获取的是第一个name
			org.dom4j.Element nameElement = (org.dom4j.Element) rootElement.selectSingleNode("//name");
			System.out.println(nameElement.getText());
			
			System.out.println("===================");
			
			//获取文档里面的所有name元素 
			List<org.dom4j.Element> selectNodes = rootElement.selectNodes("//name");
			for(org.dom4j.Element nameElementBianli:selectNodes){
				System.out.println(nameElementBianli.getText());
			}
		} catch (DocumentException e) {
			e.printStackTrace();
		}
	}
}

运行结果：

一般的使用，在查找指定节点的时候，根据XPath语法规则来查找，更多XPath语法规则可参考：
XPath 教程