java dom4j和_XML,dom4j和Java

看了“罗辑思维”的节目，终于克服了自己的拖延症，开始动笔写这篇文章了。

写这篇文章的目的是把XML的解析，萃取和验证都尽量覆盖一下，存储以便日后备考，使用的包是dom4j,涉及语言是Java。

dom4j解析XML使用的包是dom4j-1.6.1.jar，你可以从 http://pan.baidu.com/s/1GedS6 下载。

另外，如果要使用XPath，还需要用到jaxen-1.1-beta-9.jar，你可以从 http://pan.baidu.com/s/1GKb7h 下载。

下文程序也是用到这两个包。

1.XML之解析

解析XML基本的操作就是先找到document，再找到根节点，再从根节点一层一层往下走。

先看一个解析XML文件获取信息的例子：

1.1 从文件解析XML

XML文件内容如下：(能有此整齐划一的效果多亏Eclipse的Source->Format工具，要是Notepad++和Editplus也纳入这个功能就好了)

1

en-US

zh-CN

2

zh-CN

en-US

3

zh-CN

en-US

解析程序如下：

SAXReader reader = newSAXReader();

InputStream is= new FileInputStream("C:\\Users\\IBM_ADMIN\\Desktop\\1.xml");

org.dom4j.Document doc=reader.read(is);

Element rootElt=doc.getRootElement();

Iterator iter = rootElt.elementIterator("word");while(iter.hasNext()) {

Element wordElm=(Element) iter.next();

String id= wordElm.elementTextTrim("id");

String txt= wordElm.elementTextTrim("txt");

String status=wordElm.element("txt").attributeValue("status");

System.out.println("id="+id+" txt="+txt+" status="+status);

}

控制台输出如下：

id=1 txt=Prevention of dengue fever. Grenada dengue cases show multiple recently and the trend of virus mutation, increased risk status=ok

id=2 txt=预防登革热。最近格林纳达登革热病例显示多个和病毒变异的趋势,增加的风险 status=ok

id=3 txt=天天向上 status=ok

以上程序分别含有从取document，取根节点，取节点，取CDATA节点，取属性的代码，对于一般的XML文件解析，这些API基本就够用了。

需要提一下是，CDATA节点只是用“”将内容包起来的节点，这样做是为了让解析器不要解析其中的内容，以免发生错误，在文本较长，文本内容较多时，这样做是很必要的。但CDATA节点的解析是和普通节点是完全一样的，从上面的代码也能观察到。

另外需要提醒大家的是：有时候用dom4j解析XML会发生“Invalid byte 1 of 1-byte UTF-8 sequence.”这样的错误，但打开文本怎么看也是符合XML格式的。实际上问题在于文件存储时不是以UTF-8格式存储的，而是GBK或是其它格式。解决办法是用记事本打开XML文件，另存为，然后Ecoding选成UTF-8，保存，然后就可以正常解析了。

1.2 从字符串解析XML

相对于从文件解析XML，从字符串解析内容更为常见，解析程序除了取document的方式不一样以外，其它部分和从文件解析没什么差别，请见下面的例子：

解析程序如下：

String xml="12";

Document doc=DocumentHelper.parseText(xml);

Element rootElt=doc.getRootElement();

Iterator iter = rootElt.elementIterator("word");while(iter.hasNext()) {

Element wordElm=(Element) iter.next();

String id= wordElm.elementTextTrim("id");

String txt= wordElm.elementTextTrim("txt");

String status=wordElm.element("txt").attributeValue("status");

System.out.println("id="+id+" txt="+txt+" status="+status);

}

控制台输入如下：

id=1 txt=你好XML status=OK

id=2 txt=你好Dom4j status=OK

2.XML之萃取

萃取是我个人定义的，实际意义指从XML中找出特定内容，刚才说过的一层层解析虽然也可以达到这个目的，但效率不高，程序可读性不好。最佳萃取方式应该是XPtah。

2.1 XPath取单节点

XML文档：

how are you

您好吗

下面这段程序将取出以上“您好吗”这部分文字：

SAXReader reader = newSAXReader();

InputStream is= new FileInputStream("C:\\Users\\IBM_ADMIN\\Desktop\\2.xml");

org.dom4j.Document doc=reader.read(is);

Element elm= (Element) doc.selectSingleNode("//rep/docs/d[last()]/p/s/t");//注意看Path和节点是怎么对应上的

System.out.println( elm.getText());

下面输出正好是我们需要找的：

您好吗

可以看出XPath基本就是为萃取设计的。

2.2 XPath取多个节点

XML还是上面的XML，但取出是“ how are you ”和“ 您好吗”所在的t节点：

how are you

您好吗

程序如下：

SAXReader reader = newSAXReader();

InputStream is= new FileInputStream("C:\\Users\\IBM_ADMIN\\Desktop\\2.xml");

org.dom4j.Document doc=reader.read(is);

List ls=doc.selectNodes("//rep/docs/d/p/s/t");for(int i=0;i

Element elm=(Element)ls.get(i);

System.out.println( elm.getText());

}

输出如下：

how are you

您好吗

以上两个程序说明，无论是取单个还是多个节点，只要路径稍深，XPath就比解析方式要简单，实用。

本文转自张昺华-sky博客园博客，原文链接：http://www.cnblogs.com/xiandedanteng/p/3441710.html，如需转载请自行联系原作者