XML&Dom4j

第1章 XML

1.1 XML介绍

1.1.1 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。

1.1.2 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。

1.2 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）

1.3 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。

1.3.1 文档声明
	<?xml version="1.0" encoding="utf‐8" ?>
	1.使用IDE创建xml文件时就带有文档声明.
	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；

1.3.2 元素element

   格式1:<person></person>
   格式2:<person/>	
	1. 元素是XML文档中最重要的组成部分；
	2. 普通元素的结构由开始标签、元素体、结束标签组成。
	3. 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>
	4. 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/>
	5. 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
	6. 格式化良好的XML文档，有且仅有一个根元素。

1.3.3 属性

	<person id="110"><person id="110">
	1. 属性是元素的一部分，它必须出现在元素的开始标签中
	2. 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

1.3.4 注释

  <!‐‐注释内容‐‐>
  XML的注释与HTML相同，既以 <!-- 开始， --> 结束

1.3.5 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
< 							&lt; 										小于
> 							&gt; 										大于
" 							&quot; 									双引号
'							&apos; 								单引号
& 							&amp; 									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 &lt; 1000 then</message>

1.3.6 字符区

<![CDATA[
文本数据
]]>
1. CDATA 指的是不应由 XML 解析器进行解析的文本数据（Unparsed Character Data）
2. CDATA 部分由 "<![CDATA[" 开始，由 "]]>" 结束；
3. 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。

1.4 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.

1.4.1 DTD约束

1.4.1.1 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。

1.4.1.4 语法

文档声明
1.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>
2.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>
3.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
1. 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‐‐>
 2. 约束元素体里面的数据
语法
    <!ELEMENT 标签名字 标签类型> <!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‐‐>
2. 数量词
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
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"‐‐>
>
1.4.2 schema约束
1.4.2.1 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。
1.4.2.2 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。

第2章 Dom4j

2.1 XML解析
2.1.1 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。
2.1.2 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：
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，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。
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
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)
2.3 Dom4j的基本使用
2.3.1 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。
	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。

2.3.2 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
2.3.3 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);
}
}
}
}

2.4 Dom4J结合XPath解析XML
2.4.1 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。
2.4.2 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
2.4.3 XPath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…
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…
3. 全文搜索路径表达式方式 例如: //子元素//子子元素
4. 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

2.4.3.1 绝对路径表达式

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

2.4.3.2 相对路径表达式

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。

2.4.3.3 全文搜索路径表达式

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

2.4.3.4 谓语

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 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）

2.4.4 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());
}
}