XML
XML介绍
什么是XML
-
XML 指可扩展标记语言(EXtensible Markup Language)
-
XML 是一种标记语言,很类似 HTML,HTML文件也是XML文档
-
XML 的设计宗旨是传输数据,而非显示数据
-
XML 标签没有被预定义。您需要自行定义标签。
-
XML 被设计为具有自我描述性(就是易于阅读)。
-
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,单因为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。
XML 与 HTML 的主要差异
- XML 不是 HTML 的替代。
- XML 和 HTML 为不同的目的而设计。
- XML 被设计为传输和存储数据,其焦点是数据的内容。
- HTML 被设计用来显示数据,其焦点是数据的外观。
- HTML 旨在显示信息,而 XML 旨在传输信息。
XML文件案例编写person.xml文件
需求
编写xml文档,用于描述人员信息,person代表一个人员,id是人员的属性代表人员编号。人员信息包括age年龄、name姓名、sex性别信息。
效果
使用浏览器运行person.xml文件效果如下
实现步骤
步骤1:使用idea开发工具,选择当前项目鼠标右键新建“File”,如图
步骤2:编写文件person.xml文件,内容如下:
<?xml version="1.0" encoding="UTF-8"?>
<person id="110">
<age>18</age> <!--年龄-->
<name>张三</name> <!--姓名-->
<sex/> <!--性别-->
</person>
步骤3:如图点击浏览器运行
步骤4:浏览器运行效果如下
XML作用
XML在企业开发中主要有两种应用场景:
1)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也可以作为配置文件,例如后面框架阶段我们学习的Spring框架的配置(applicationContext.xml)都是通过XML进行配置的(企业开发中经常使用的)
XML的组成元素
XML文件中常见的组成元素有:文档声明、元素、属性、注释、转义字符、字符区。
文档声明
<?xml version="1.0" encoding="utf-8" ?>
- 使用IDE创建xml文件时就带有文档声明.
- 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;
元素element
格式1:<person></person>
格式2:<person/>
- 元素是XML文档中最重要的组成部分;
- 普通元素的结构由开始标签、元素体、结束标签组成。
- 元素体:元素体可以是元素,也可以是文本,例如:
<person><name>张三</name></person>
- 空元素:空元素只有标签,而没有结束标签,但元素必须自己闭合,例如:
<sex/>
- 元素命名
- 区分大小写
- 不能使用空格,不能使用冒号
- 不建议以XML、xml、Xml开头
- 格式化良好的XML文档,有且仅有一个根元素。
属性
<person id="110">
- 属性是元素的一部分,它必须出现在元素的开始标签中
- 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
- 属性名不能使用空格 , 不要使用冒号等特殊字符,且必须以字母开头
注释
<!--注释内容-->
XML的注释与HTML相同,既以<!--
开始,-->
结束。
转义字符
XML中的转义字符与HTML一样。因为很多符号已经被文档结构所使用,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:“>”、“<”、“'”、“”“、”&"。
字符 | 预定义的转义字符 | 说明 |
---|---|---|
< | < | 小于 |
> | > | 大于 |
" | " | 双引号 |
’ | ' | 单引号 |
& | & | 和号 |
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:
假如您在 XML 文档中放置了一个类似 “<” 字符,那么这个文档会产生一个错误,这是因为解析器会把它解释为新元素的开始。因此你不能这样写:
<message>if salary < 1000 then</message>
为了避免此类错误,需要把字符 “<” 替换为实体引用,就像这样:
<message>if salary < 1000 then</message>
字符区(了解)
<![CDATA[
文本数据
]]>
- CDATA 指的是不应由 XML 解析器进行解析的文本数据(Unparsed Character Data)
- CDATA 部分由 “<![CDATA[" 开始,由 "]]>” 结束;
- 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。
注意:
CDATA 部分不能包含字符串 “]]>”。也不允许嵌套的 CDATA 部分。
标记 CDATA 部分结尾的 “]]>” 不能包含空格或折行。
XML文件的约束
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。
常见的xml约束:DTD、Schema
注意:我们对于约束的要求是能通过已写好的约束文件编写xml文档.
DTD约束
概念
DTD是文档类型定义(Document Type Definition)。DTD 可以定义在 XML 文档中出现的元素、这些元素出现的次序、它们如何相互嵌套以及XML文档结构的其它详细信息。
约束体验
体验效果说明:当编写xml文档时不符合指定dtd约束时,进行提示xml编写错误,如下图:
体验步骤:
步骤1:复制bookshelf.dtd文件
步骤2:bookshelf.dtd文件内容如下
<!ELEMENT 书架 (书+)>
<!ELEMENT 书 (书名,作者,售价)><!--约束元素书的子元素必须为书名、作者、售价-->
<!ELEMENT 书名 (#PCDATA)>
<!ELEMENT 作者 (#PCDATA)>
<!ELEMENT 售价 (#PCDATA)>
步骤三:新建books.xml,代码如下
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE 书架 SYSTEM "bookshelf.dtd"><!--指定使用bookshelf.dtd文件约束当前xml文档-->
<书架>
<书>
<书名>JavaWeb开发教程</书名>
<作者>张孝祥</作者>
<售价>100.00元</售价>
</书>
<书>
<书名>三国演义</书名>
<作者>罗贯中</作者>
<售价>100.00元</售价>
<测试>hello</测试><!--不符合约束,书的子元素必须为书名、作者、售价-->
</书>
</书架>
步骤四:idea开发工具books.xml的dtd约束验证不通过的效果如下
dtd学习要求
在企业实际开发中,我们很少自己编写DTD约束文档,通常情况下通过框架提供的DTD约束文档编写对应的XML文档。所以这一知识点的要求是可以根据DTD约束文档内容编写XML文档。
语法(了解)
文档声明(了解)
-
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 [...//具体语法]><!--内部DTD--> <根元素> </根元素>
-
外部DTD—本地DTD,DTD文档在本地系统上,企业内部自己项目使用。
<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE 根元素 SYSTEM "bookshelf.dtd"><!--外部本地DTD--> <根元素> </根元素>
-
外部DTD—公共DTD,DTD文档在网络上,一般都有框架提供 , 也是我们使用最多的.
<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE web-app PUBLIC "-//Sun Microsystems, Inc.//DTD Web Application 2.3//EN" "http://java.sun.com/dtd/web-app_2_3.dtd"> <web-app> </web-app>
元素声明(了解)
-
约束元素的嵌套层级
语法
<!ELEMENT 父标签 (子标签1,子标签2,…)>
代码
<!ELEMENT 书架 (书+)> <!--约束根元素是"书架","书架"子元素为"书",“+”为数量词,请看下面介绍--> <!ELEMENT 书 (书名,作者,售价)><!--约束"书"子元素依次为“书名”、“作者”、“售价”,“+”书元素至少1次-->
-
约束元素体里面的数据
语法
<!ELEMENT 标签名字 标签类型>
标签类型
标签类型 代码写法 说明 PCDATA (#PCDATA) 被解释的字符串数据 EMPTY EMPTY 即空元素,例如<hr/> ANY ANY 即任意类型 代码
<!ELEMENT 书名 (#PCDATA)> <!--"书名"元素体为字符串数据--> <!ELEMENT 作者 (#PCDATA)> <!--"作者"元素体为字符串数据--> <!ELEMENT 售价 (#PCDATA)> <!--"售价"元素体为字符串数据--> <!ELEMENT 出版日期 ANY> <!--"出版日期"元素体为任意类型--> <!ELEMENT 版本号 EMPTY> <!--"版本号"元素体为空元素-->
-
数量词(掌握)
数量词符号 含义 * 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
属性声明(了解)
语法
<!ATTLIST 标签名称
属性名称1 属性类型1 属性说明1
属性名称2 属性类型2 属性说明2
…
>
属性类型
属性类型 | 含义 |
---|---|
CDATA | 代表属性是文本字符串, eg:<!ATTLIST 属性名 CDATA 属性说明> |
ID | 代码该属性值唯一,不能以数字开头, eg:<!ATTLIST 属性名 ID 属性说明> |
ENUMERATED | 代表属性值在指定范围内进行枚举 Eg:<!ATTLIST属性名 (社科类|工程类|教育类) “社科类”> “社科类"是默认值,属性如果不设置默认值就是"社科类” |
属性说明
属性说明 | 含义 |
---|---|
#REQUIRED | 代表属性是必须有的 |
#IMPLIED | 代表属性可有可无 |
#FIXED | 代表属性为固定值,实现方式:book_info CDATA #FIXED “固定值” |
代码
<!ATTLIST 书 <!--设置"书"元素的的属性列表-->
id ID #REQUIRED <!--"id"属性值为必须有-->
编号 CDATA #IMPLIED <!--"编号"属性可有可无-->
出版社 (清华|北大|传智播客) "传智播客" <!--"出版社"属性值是枚举值,默认为“传智播客”-->
type CDATA #FIXED "IT" <!--"type"属性为文本字符串并且固定值为"IT"-->
>
schema约束
概念
Schema 语言也可作为 XSD(XML Schema Definition)。
Schema 比DTD强大,是DTD代替者。
Schema 本身也是XML文档,单Schema文档扩展名为xsd,而不是xml。
Schema 功能更强大,数据类型约束更完善。
约束体验
体验效果说明:体验schema约束XML文档中对元素体数据类型的约束。效果如下:
DTD约束无法对具体数据类型进行约束,所以开发工具没有任何错误提示,如下效果:
实现步骤
步骤1:复制schema约束文件bookshelf.xsd,其中已对售价约束了数据类型,代码如下
<?xml version="1.0" encoding="UTF-8" ?>
<!--
传智播客DTD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:
<书架 xmlns="http://www.itcast.cn"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.itcast.cn bookshelf.xsd"
>
-->
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"
targetNamespace="http://www.itcast.cn"
elementFormDefault="qualified">
<xs:element name='书架' >
<xs:complexType>
<xs:sequence maxOccurs='unbounded' >
<xs:element name='书' >
<xs:complexType>
<xs:sequence>
<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>
</xs:complexType>
</xs:element>
</xs:sequence>
</xs:complexType>
</xs:element>
</xs:schema>
步骤2:新建books2.xml使用schema约束文件bookshelf.xsd,代码如下
<?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 bookshelf.xsd"
><!--指定schema文档约束当前XML文档-->
<书>
<书名>JavaScript网页开发</书名>
<作者>张孝祥</作者>
<售价>abc</售价>
</书>
</书架>
步骤3:开发工具提示效果
名称空间
一个XML文档最多可以使用一个DTD文件,但一个XML文档中使用多个Schema文件,若这些Schema文件中定义了相同名称的元素时,使用的时候就会出现名字冲突。这就像一个Java文件中使用了import java.util.*
和import java.sql.*
时,在使用Date类时,那么就不明确Date是哪个包下的Date了。同理 , 在XML文档中就需要通过名称空间(namespace)来区分元素和属性是来源于哪个约束中的。名称空间就在在根元素后面的内容 , 使用xmlns到引入约束 。
当一个XML文档中需要使用多个Schema文件的时候 , 有且仅有一个使用缺省的 , 其他的名称空间都需要起别名 。参考资料中的 applicationContext.xml文件(spring框架的配置文件)
xmlns="http://www.itcast.cn"
<!-- 缺省的名称空间.使用此约束中的元素的时候只需要写元素名即可 例如:<书></书> -->
xmlns:aa="http://java.sun.com"
<!-- aa就是此约束的别名,使用此约束中的元素的时候就需要加上别名 例如:<aa:书></aa:书> -->
总之名称空间就是用来处理元素和属性的名称冲突问题,与Java中的包是同一用途。如果每个元素和属性都有自己的名称空间,那么就不会出现名字冲突问题,就像是每个类都有自己所在的包一样,那么类名就不会出现冲突。
schema学习要求
虽然schema功能比dtd强大,但是编写要比DTD复杂,同样以后我们在企业开发中也很少会自己编写schema文件。
xml编写与约束内容已经完成了,根据xml的作用我们了解到,无论是xml作为配置文件还是数据传输,我们的程序都要获取xml文档中的数据以便我们进行具体的业务操作,接下来我们就要学习XML解析技术Dom4j。
Dom4j
XML解析
解析概述
当将数据存储在XML后,我们就希望通过程序获取XML的内容。如果我们使用Java基础所学的IO知识是可以完成的,不过你学要非常繁琐的操作才可以完成,且开发中会遇到不同问题(只读、读写)。人们为不同问题提供不同的解析方式,使用不同的解析器进行解析,方便开发人员操作XML。
解析方式和解析器
-
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,没执行一行,都触发对应的事件。(了解)
a)优点:处理速度快,可以处理大文件
b)缺点:只能读,逐行后将释放资源,解析操作繁琐。
-
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
-
常见的解析开发包
- 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)
Dom4j的基本使用
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。以下面books.xml文档为例。
<?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>
-
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。
-
引入dom4j的jar包
需要引入“jar/dom4j-1.6.1.jar” , 在IDEA中,
选择项目鼠标右键--->弹出菜单-->open Module settings”-->Dependencies-->+-->JARs or directories...
找到dom4j-1.6.1.jar,成功添加之后点击"OK" 即可. -
dom4j 必须使用核心类SaxReader加载xml文档获得Document,通过Document对象获得文档的根元素,然后就可以操作了。
maven依赖:
<!-- dom4j -->
<dependency>
<groupId>org.dom4j</groupId>
<artifactId>dom4j</artifactId>
<version>2.1.1</version>
</dependency>
常用的方法
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() | 获得根元素 |
Element对象
方法 | 作用 |
---|---|
List elements([String ele] ) | 获得指定名称的所有子元素。可以不指定名称 |
Element element([String ele]) | 获得指定名称第一个子元素。可以不指定名称 |
String getName() | 获得当前元素的元素名 |
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 getText() | 获得当前元素的文本内容 |
方法演示
复制资料下的常用xml中"books.xml",内容如下:
<?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>
注意:为了便于解析,此xml中没有添加约束
解析此文件,获取每本书的id值,以及书本名称,作者名称和价格.
public class Demo {
public static void main(String[] args) throws DocumentException {
SAXReader reader = new SAXReader();
Document document = reader.read(Demo.class.getResourceAsStream("/books.xml"));
//获取根元素 books
Element elemRoot = document.getRootElement();
//获取根元素的所有子元素 book
List<Element>list = elemRoot.elements();
//遍历集合 获取每一个book
for(Element element : list){
//获取book的id属性
String id =element.attributeValue("id");
System.out.println("id : "+ id);
//获取book下的所有子元素 name,author,sale
List<Element>listElem = element.elements();
//遍历集合 获取每一个子元素
for(Element elem : listElem){
//元素名
String name = elem.getName();
//文本值
String text = elem.getText();
System.out.println("--- " + name + " : " + text);
}
}
}
}
Dom4J结合XPath解析XML
介绍
XPath 使用路径表达式来选取HTML 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文档方面提供了一独树一帜的路径思想。
XPath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
方法 | 作用 |
---|---|
List selectNodes(“表达式”) | 获取符合表达式的元素集合 |
Element selectSingleNode(“表达式”) | 获取符合表达式的唯一元素 |
XPath语法(了解)
-
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…
- 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…
- 全文搜索路径表达式方式。例如: //子元素//子子元素
- 谓语(条件筛选)方式。例如: //元素[@attr1=value]
-
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
绝对路径表达式(了解)
-
绝对路径介绍
格式:
String xpath="/元素/子元素/子子元素...";
绝对路径是以“/”开头,一级一级描述标签的层级路径就是绝对路径,这里注意不可以跨层级
绝对路径是从根元素开始写路径的,这里开头的“/”代表HTML文档根元素,所以在绝对路径中不可以写根元素路径
-
演示需求(解析XML文档为"资料\常用xml文件\index.html")
需求:采用绝对路径获取从根节点开始逐层的html/body/div/ul/li节点列表并打印信息
相对路径表达式(了解)
-
相对路径介绍
格式:
String xpath1="子元素/子子元素...";//获取相对当前路径元素里面的子元素的选取 String xpath2="./子元素/子子元素";//"./"代表当前元素路径位置 String xpath3="/子元素/子子元素";//功能与xpath1格式功能一样
相对路径就是相对当前节点元素位置继续查找节点,需要使用JXNode.sel(xpath)进行执行相对路径表达式。
全文搜索路径表达式(了解)
-
全文搜索路径介绍
格式:
String xpath1="//子元素//子子元素";
一个“/”符号,代表逐级写路径
2个“//”符号,不用逐级写路径,可以直接选取到对应的节点,是全文搜索匹配的不需要按照逐层级
谓语(条件筛选 了解)
-
介绍
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 xpath5=“//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)
演示
public class DemoXpath {
public static void main(String[] args) throws Exception {
SAXReader reader = new SAXReader();
Document document = reader.read(Demo.class.getResourceAsStream("/books.xml"));
//获取所有的book元素
List<Element> list = document.selectNodes("//book");
for (Element ele: list) {
System.out.println(ele.attributeValue("id"));
}
//获取id为0002的指定book元素的子标签name的内容
Element ele = (Element)document.selectSingleNode("//book[@id='0002']/name");
System.out.println(ele.getText());
}
}
笔记摘自B站深入学习Java编程-黑马