JavaWeb XML详解解析XML

XML

XML的全称是EXtensible Markup Language，可扩展标记语言编写，XML就是编写标签，与HTML非常类似，扩展名.xml。拥有良好的人机可读性。

用途：

Java程序的配置描述文件
用于保存程序产生的数据
网络间的数据传输

XML和HTML的区别

XML与HTML非常相似，都是编写标签，XML的语法严格，HTML语法松散
XML没有预定义标签，HTML存在大量预定义标签
XML重在保存与传输数据，HTML用于显示信息

XML文档结构

第一行必须是XML声明
有且只有一个根节点
XML标签的书写规则与HTML相同

XML声明

XML声明说明XML文档的基本信息，包括版本号与字符集，写在XML第一行。

xml 复制代码

<?xml version="1.0" encoding="UTF-8"?>

version：代表版本号1.0/1.1
encoding：UTF-8设置字符集，用于支持中文
standalone：是否独立
- yes：不依赖其他文件
- no：依赖其他文件

XML标签书写规则

合法的标签名

标签名要有意义
建议使用英文小写字母，单词之间使用 - 分割
建议多级标签之间不要存在重名的情况

适当的注释与缩进

适当的注释与缩进可以让XML文档更容易阅读

合理使用属性

标签属性用于描述标签不可或缺的信息
对标签分组或为标签设置ID时常用属性表示

有序的子元素

在XML多层嵌套的子元素中，标签前后顺序应保持一致

特殊字符与CDATA标签

标签体中，出现 < 、> 特殊字符，会破坏文档结构
使用实体引用或者CDATA标签

实体引用	对应符号	说明
`<`	`<`	小于
`>`	`>`	大于
`&`	`&`	和号
`'`	`'`	单引号
`"`	`"`	双引号

CDATA 指的是不应由 XML 解析器进行解析的文本数据，从 <![CDATA[ 开始，到]]>结束

xml 复制代码

<?xml version="1.0" encoding="UTF-8" ?>
<!--人力资源管理系统-->
<hr>
    <employee no="3301">
        <name>张三</name>
        <age>30</age>
        <salary>4000</salary>
        <department>
            <dname>市场部</dname>
            <address>xx大厦-B1003</address>
        </department>
    </employee>

    <employee no="3303">
        <name>李四</name>
        <age>28</age>
        <salary>5000</salary>
        <department>
            <dname>财务部</dname>
            <address>xx大厦-B1004</address>
        </department>
    </employee>
</hr>

XML语义约束

XML文档结构正确，但可能不是有效的。XML语义约束有两种定义方式：DTD与XML Schema。

DTD约束

DTD(Document Type Definition，文档类型定义)是一种简单易用的语义约束方式，DTD文件的扩展名为.dtd。

DTD定义节点

利用DTD中的<!ELEMENT>标签，可以定义XML文档中允许出现的节点及数量：

<!ELEMENT hr (employee)> employee>：定义hr节点下只允许出现1个employee子节点
<!ELEMENT employee (name,age,salary,department)>：节点下必须包含以下四个节点，且按顺序出现
<!ELEMENT name (#PCDATA)>：定义name标签体只能是文本，#PCDATA代表文本元素

如某个子节点需要多次重复出现，则需要在子节点后增加相应的描述符：

<!ELEMENT hr (employee+)>：hr节点下最少出现1个employee子节点
<!ELEMENT hr (employee*)>：hr节点下可出现0...n个employee子节点
<!ELEMENT hr (employee?)>：hr节点下最多出现1个employee子节点

xml 复制代码

<?xml version="1.0" encoding="UTF-8" ?>
<!ELEMENT hr (employee+)>
<!ELEMENT employee (name,age,salary,department)>
<!ATTLIST employee no CDATA "">
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT salary (#PCDATA)>
<!ELEMENT department (dname,address)>
<!ELEMENT dname (#PCDATA)>
<!ELEMENT address (#PCDATA)>

XML引用DTD

在XML中使用<!DOCTYPE>标签来引用DTD文件：

<!DOCTYPE 根节点 SYSTEM "dtd文件路径">：本地引用
<!DOCTYPE 根节点 PUBLIC "dtd文件名字" "dtd文件的位置URL">：网络引用

xml 复制代码

<!DOCTYPE hr SYSTEM "hr.dtd">

Schema约束

XML Schema比DTD更为复杂，提供了数据类型、格式限定、数据范围等特性，是 W3C 标准。

<根节点 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="XML地址" xsi:schemaLocation="XSD地址">：引入

xml 复制代码

<hr xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:noNamespaceSchemalocation="hr.xsd">
</hr>

定义约束：

xml 复制代码

<?xml version="1.0" encoding="UTF-8" ?>
<schema xmlns="http://www.w3.org/2001/XMLSchema">
    <element name="hr">
        <!--complexType标签代表是复杂节点，包含子节点时必须使用此标签-->
        <complexType>
            <!--sequence标签代表必须按顺序进行严格书写-->
            <sequence>
                <!--minOccurs="1" maxOccurs="10"  这个标签最少出现一次，最多出现10次-->
                <element name="employee" minOccurs="1" maxOccurs="10">
                    <complexType>
                        <sequence>
                            <!--type="string" 指定类型-->
                            <element name="name" type="string"/>
                            <!---->
                            <element name="age">
                                <!--简单类型约束-->
                                <simpleType>
                                    <!--限定-->
                                    <restriction base="integer">
                                        <!--最小限定-->
                                        <minInclusive value="18"/>
                                        <!--最大限定-->
                                        <maxInclusive value="60"/>
                                    </restriction>
                                </simpleType>
                            </element>
                            <element name="salary" type="integer"/>
                            <element name="department">
                                <complexType>
                                    <sequence>
                                        <element name="dname" type="string"/>
                                        <element name="address" type="string"/>
                                    </sequence>
                                </complexType>
                            </element>
                        </sequence>
                        <!--use="required"表示必须存在-->
                        <attribute name="no" type="string" use="required"/>
                    </complexType>
                </element>
            </sequence>
        </complexType>
    </element>
</schema>

解析XML

解析xml的方式

DOM

将标记语言文档一次性加载进内存，在内存中形成一颗dom树

优点： 操作方便，可以对文档进行CRUD的所有操作
缺点： 占内存

SAX

逐行读取，基于事件驱动的

优点： 不占内存
缺点： 只能读取，不能增删改

xml常见的解析器

JAXP：

sun公司提供的解析器，支持dom和sax两种思想。

DOM4J：

是一个易用的、开源的库，用于解析XML。它应用于Java平台，具有性能优异、功能强大和极其易使用的特点。Dom4j将XML视为Document对象，XML标签被Dom4j定义为Element对象。

Jsoup：

是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。

PULL：

Android操作系统内置的解析器，sax方式的。

DOM4J

需要JDK1.8以上

下载地址：https://dom4j.github.io/

读取XML文档

java 复制代码

/**
 * 描述：通过DOM4J读取xml文件
 */
public class HrReader {
    public void readXML() {
        String file = "E:\\IdeaProjects\\study\\xml-study\\src\\hr.xml";
        // SAXReader类是读取XML文件的核心类，用于将XML解析后以树的形式保存在内存中。
        SAXReader reader = new SAXReader();
        try {
            Document document = reader.read(file);
            // 获取XML文档的根节点，就是<hr>标签
            Element rootElement = document.getRootElement();
            // 用于获取指定标签的集合
            List<Element> elementList = rootElement.elements("employee");

            for (Element employee : elementList) {
                // 用于获取element唯一子节点
                Element name = employee.element("name");
                // 用于获取标签中的文本
                String nameText = name.getText();
                System.out.print("姓名：" + nameText);
                System.out.print("，年龄：" + employee.elementText("age"));
                System.out.print("，工资：" + employee.elementText("salary"));

                // 获取节点
                Element department = employee.element("department");
                String dname = department.element("dname").getText();
                System.out.print("，部门：" + dname);
                System.out.print("，工作地点：" + department.elementText("address"));

                // 获取属性
                Attribute att = employee.attribute("no");
                String no = att.getText();
                System.out.println("，工号：" + no);
            }
        } catch (DocumentException e) {
            e.printStackTrace();
        }
    }
    
    public static void main(String[] args) {
        HrReader hrReader = new HrReader();
        hrReader.readXML();
    }
}

更新XML文档

java 复制代码

/**
 * 描述：通过DOM4J更新xml文件
 */
public class HrWriter {
    public void writeXML(){
        String file = "E:\\IdeaProjects\\study\\xml-study\\src\\hr.xml";
        SAXReader reader = new SAXReader();
        try {
            Document document = reader.read(file);
            Element rootElement = document.getRootElement();
            // 创建一个属于rootElement对象的employee节点
            Element employee = rootElement.addElement("employee");
            // 创建no属性
            employee.addAttribute("no", "3311");
            // 创建一个属于employee对象的name节点
            Element name = employee.addElement("name");
            // 设置name节点的值
            name.setText("王五");

            employee.addElement("age").setText("22");
            employee.addElement("salary").setText("3500");

            Element department = employee.addElement("department");
            department.addElement("dname").setText("市场部");
            department.addElement("address").setText("xx大厦-B1003");

            // 创建字符输出流
            Writer writer = new OutputStreamWriter(new FileOutputStream(file), "UTF-8");
            // 将创建的节点写入文件中
            document.write(writer);
            writer.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    public static void main(String[] args) {
        HrWriter hrWriter = new HrWriter();
        hrWriter.writeXML();
    }
}

Jsoup

Jsoup是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。

导入jar包
获取Document对象
获取对应的标签Element对象
获取数据

java 复制代码

//2.1获取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
//2.2解析xml文档，加载文档进内存，获取dom树--->Document
Document document = Jsoup.parse(new File(path), "utf-8");
//3.获取元素对象 Element
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
//3.1获取第一个name的Element对象
Element element = elements.get(0);
//3.2获取数据
String name = element.text();
System.out.println(name);

Jsoup类

工具类，可以解析html或xml文档，返回Document

parse：解析html或xml文档，返回Document
parse(File in, String charsetName)：解析xml或html文件的。
parse(String html)：解析xml或html字符串
parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象

Document类

文档对象。代表内存中的dom树。

获取Element对象：

getElementById(String id)：根据id属性值获取唯一的element对象
getElementsByTag(String tagName)：根据标签名称获取元素对象集合
getElementsByAttribute(String key)：根据属性名称获取元素对象集合
getElementsByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合

Elements类

元素Element对象的集合。可以当做 ArrayList<Element> 来使用

Element类

元素对象

获取子元素对象：

getElementById(String id)：根据id属性值获取唯一的element对象
getElementsByTag(String tagName)：根据标签名称获取元素对象集合
getElementsByAttribute(String key)：根据属性名称获取元素对象集合
getElementsByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合

获取属性值：

String attr(String key)：根据属性名称获取属性值

获取文本内容：

String text():获取文本内容
String html():获取标签体的所有内容(包括字标签的字符串内容)

Node类

节点对象，是Document和Element的父类

快捷查询方式

selector： 选择器

使用的方法：Elements select(String cssQuery)
语法：参考Selector类中定义的语法

XPath： XPath即为XML路径语言，它是一种用来确定XML（标准通用标记语言的子集）文档中某部分位置的语言

使用Jsoup的Xpath需要额外导入jar包。
查询w3cshool参考手册，使用xpath的语法完成查询

java 复制代码

    	  //1.获取student.xml的path
          String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
          //2.获取Document对象
          Document document = Jsoup.parse(new File(path), "utf-8");
  
          //3.根据document对象，创建JXDocument对象
          JXDocument jxDocument = new JXDocument(document);
  
          //4.结合xpath语法查询
          //4.1查询所有student标签
          List<JXNode> jxNodes = jxDocument.selN("//student");
          for (JXNode jxNode : jxNodes) {
              System.out.println(jxNode);
          }
  
          System.out.println("--------------------");
  
          //4.2查询所有student标签下的name标签
          List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
          for (JXNode jxNode : jxNodes2) {
              System.out.println(jxNode);
          }
  
          System.out.println("--------------------");
  
          //4.3查询student标签下带有id属性的name标签
          List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
          for (JXNode jxNode : jxNodes3) {
              System.out.println(jxNode);
          }
          System.out.println("--------------------");
          //4.4查询student标签下带有id属性的name标签 并且id属性值为itcast
  
          List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
          for (JXNode jxNode : jxNodes4) {
              System.out.println(jxNode);
          }

XPath 查找XML数据

XPath路径表达式是XML文档中查找数据的语言，可以极大的提高在提取数据时的开发效率。

参考：https://www.w3school.com.cn/xpath/index.asp

JavaWeb XML详解 解析XML

XML

XML和HTML的区别

XML文档结构

XML声明

XML标签书写规则

XML语义约束

DTD约束

DTD定义节点

XML引用DTD

Schema约束

解析XML

解析xml的方式

DOM

SAX

xml常见的解析器

DOM4J

读取XML文档

更新XML文档

Jsoup

Jsoup类

Document类

Elements类

Element类

Node类

快捷查询方式

XPath 查找XML数据

JavaWeb XML详解解析XML