目录
1.XML介绍
1.1.XML概述
1.1.1.什么是XML
XML全称Extensible Markup Language,意思是可扩展的标记语言,它是 SGML(标准通用标记语言)的一个子集
1.1.2.XML的作用
-
XML是程序的配置文件
-
可以在不同语言之间交换数据
-
作为小型数据库存储数据
1.1.3.XML与HTML的比较
-
HTML的元素是固定的,而XML可以自定义元素
-
HTML用浏览器来解析执行,XML的解析器通常需要自己来写(因为元素是自定义的)
-
HTML只能用来表示网页,而XML的使用场景更多
1.1.4.XML和properties(属性文件)比较
-
properties只能存储平面信息,而XML可以存储结构化信息
-
解析properties只需要使用Properties类就可以了,而解析XML文件是很复杂的
1.1.5.W3C组织
W3C是万维网联盟(World Wide Web Consortium)英文的缩写,它成立于1994年10月,以开放论坛的方式来促进开发互通技术(包括规格、指南、软件和工具),开发网络的全部潜能。万维网联盟(W3C)从1994年成立以来,已发布了90多份Web技术规范,领导着Web技术向前发展
W3C认为自身不是官方组织,因此将它正式发布的规范称为推荐(建议)标准,意思是进一步标准化的建议,但是由于组织自身的权威性往往成为事实上的标准
1.2.XML语法概述
1.2.1.XML文档展示
XML
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<students>
<student number="1001">
<name>zhangSan</name>
<age>23</age>
<sex>male</sex>
</student>
<student number="1002">
<name>liSi</name>
<age>32</age>
<sex>female</sex>
</student>
<student number="1003">
<name>wangWu</name>
<age>55</age>
<sex>male</sex>
</student>
</students>
1.2.2.XML文档的组成部分
-
XML文档声明
-
XML处理指令
-
XML元素
-
XML特殊字符和CDATA区 [![CADATA <<<<>>>>>> ]]
-
XML注释 <!--- -->
1.3.XML文档声明
1.3.1.什么是XML文档声明
可以看作是XML文档的说明
最简单的xml文档声明:<?xml version="1.0"?>
1.3.2.XML文档声明结构
-
version属性:用于说明当前xml文档的版本,因为都是在用1.0,所以这个属性值大家都写1.0,version属性是必须的
-
encoding属性:用于说明当前xml文档使用的字符编码集,xml解析器会使用这个编码来解析xml文档。encoding属性是可选的,默认为UTF-8。注意,如果当前xml文档使用的字符编码集是gb2312,而encoding属性的值为UTF-8,那么一定会出错的
-
standalone属性:用于说明当前xml文档是否为独立文档,如果该属性值为yes,表示当前xml文档是独立的,如果为no表示当前xml文档不是独立的,即依赖外部的约束文件,默认是yes
-
没有xml文档声明的xml文档,不是格式良好的xml文档
-
xml文档声明必须从xml文档的1行1列开始
1.4.XML元素
1.4.1.XML元素的格式
XML元素包含开始标签、元素体(内容)、结束标签。例如:<hello>大家好</hello>
空元素只有开始标签,没有元素体和结束标签,但空元素一定要闭合。例如:<hello/>
XML元素可以包含子元素或文本数据。例如:hello,a元素的元素体内容是b元素,而b元素的元素体内容是文本数据hello
XML元素可以嵌套,但必须是合法嵌套。<b>hello</b>就是错误的嵌套
1.4.2.XML文档的根元素
格式良好的XML文档必须有且仅有一个根元素
student1.xml
XML
<?xml version="1.0" encoding="utf-8" standalone="no"?>
<students>
<student number="1001">
<name>zhangSan</name>
<age>23</age>
<sex>male</sex>
</student>
<student number="1002">
<name>liSi</name>
<age>32</age>
<sex>female</sex>
</student>
</students>
student2.xml
XML
<?xml version="1.0" encoding="utf-8" standalone="no"?>
<student number="1001">
<name>zhangSan</name>
<age>23</age>
<sex>male</sex>
</student>
<student number="1002">
<name>liSi</name>
<age>32</age>
<sex>female</sex>
</student>
student1.xml是格式良好的xml文档,只有一个根元素,即students元素
student2.xml不是格式良好的xml文档,有两个根元素,即两个student根元素
1.4.3.元素中的空白
XML元素的元素体可以包含文本数据和子元素
a.xml
XML
<a><b>hello</b></a>
b.xml
XML
<a>
<b>
hello
</b>
</a>
a.xml中,<a>元素只有一个子元素,即<b>元素。<b>元素只有一个文本数据,即hello
b.xml中,<a>元素中第一部分为换行缩进,第二部分为<b>元素,第三部分为换行。b元素的文本数据为换行、缩进、hello、换行、缩进
其中换行和缩进都是空白,这些空白是为了增强xml文档的可读性。但xml解析器可能会因为空白出现错误的解读,这说明在将来编写解析xml程序时,一定要小心空白!!!
1.4.4.元素命名规范
XML元素名可以包含字母、数字以及一些其他可见字符,但必须遵循下面的一些规范:
-
区分大小写:<a>和<A>是两个元素
-
不能以数字开头:<1a>是错误的命名
-
最好不要以xml开头:<xml>、<Xml>、<XML>
-
不能包含空格
1.4.5.元素属性
-
属性由属性名与属性值构成,中间用等号连接
-
属性值必须使用引号括起来,单引号或双引号都可以
-
定义属性必须遵循与标签名相同的命名规范
-
属性必须定义在元素的开始标签中
-
一个元素中不能包含相同的属性名
1.4.6.注释
-
注释以<!--开头,以-->结束
-
注释中不能包含--
1.4.7.转义字符
因为在xml文档中有些字符是特殊的,不能使用它们作为文本数据。例如:不能使用"<"或">"等字符作为文本数据,所以需要使用转义字符来表示
例如<a><a></a>,你可能会说,其中第二个<a>是a元素的文本内容,而不是一个元素的开始标签,但xml解析器是不会明白你的意思的。把<a><a></a>修饰为<a><a></a>,这就OK了
转义字符都是以"&"开头,以";"结束。这与后面我们学习的实体是相同的
1.4.8.CDATA段
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
在CDATA段出现的"<"、">"、"""、"'"、"&",都无需使用转义字符。这可以提高xml文档的可读性
XML
<a><![CDATA[<a>]]></a>
在CDATA段中不能包含"]]>",即CDATA段的结束定界符
2.XML解析
2.1.操作XML文档概述
2.1.1.如何操作XML文档
XML文档也是数据的一种,对数据的操作也不外乎是"增删改查"。也被大家称之为"CRUD"
2.1.2.XML解析技术
XML解析方式分为两种:DOM(Document Object Model)和SAX(Simple API for XML)。这两种方式不是针对Java语言来解析XML的技术,而是跨语言的解析方式。例如DOM也在JavaScript中存在
DOM是W3C组织提供的解析XML文档的标准接口,而SAX是社区讨论的产物,是一种事实上的标准
DOM和SAX只是定义了一些接口,以及某些接口的缺省实现,而这个缺省实现只是用空方法来实现接口。一个应用程序如果需要DOM或SAX来访问XML文档,还需要一个实现了DOM或SAX的解析器,也就是说这个解析器需要实现DOM或SAX中定义的接口。提供DOM或SAX中定义的功能
2.2.DOM4J
2.2.1.DOM4J概述
2.2.1.1.DOM4J是什么
DOM4J是针对Java开发人员专门提供的XML文档解析规范,它不同于DOM,但与DOM相似。DOM4J针对Java开发人员而设计,所以对于Java开发人员来说,使用DOM4J要比使用DOM更加方便
DOM4J对DOM和SAX提供了支持,使用DOM4J可以把org.dom4j.document转换成org.w3c.Document,DOM4J也支持基于SAX的事件驱动处理模式
使用者需要注意,DOM4J解析的结果是org.dom4j.Document,而不是org.w3c.Document。DOM4J与DOM一样,只是一组规范(接口与抽象类组成),底层必须要有DOM4J解析器的实现来支持
DOM4J使用JAXP来查找SAX解析器,然后把XML文档解析为org.dom4j.Document对象。它还支持使用org.w3c.Document来转换为org.dom4j.Docment对象
2.2.1.2.DOM4J中的类结构
在DOM4J中,也有Node、Document、Element等接口,结构上与DOM中的接口比较相似。但还是有很多的区别:
在DOM4J中,所有XML组成部分都是一个Node,其中Branch表示可以包含子节点的节点,例如Document和Element都是可以有子节点的,它们都是Branch的子接口
Attribute是属性节点,CharacterData是文本节点,文本节点有三个子接口,分别是CDATA、Text、Comment
2.2.1.3.DOM4J获取Document对象
使用DOM4J来加载XML文档,需要先获取SAXReader对象,然后通过SAXReader对象的read()方法来加载XML文档:
java
SAXReader reader = new SAXReader();
Document doc = reader.read("src/students.xml");
2.2.1.4.DOM4J保存Document对象
保存Document对象需要使用XMLWriter对象的write()方法来完成,在创建XMLWriter时还可以为其指定XML文档的格式(缩进字符串以及是否换行),这需要使用OutputFormat来指定
java
doc.addDocType("students", "", "students.dtd");
OutputFormat format = new OutputFormat("\t", true);
format.setEncoding("UTF-8");
XMLWriter writer = new XMLWriter(new FileWriter(xmlName), format);
writer.write(doc);
writer.close();
2.2.1.5.DOM4J创建Document对象
DocumentHelper类有很多的createXXX()方法,用来创建Node对象
java
Document doc = DocumentHelper.createDocument();
2.2.2.Document操作
2.2.2.1.遍历students.xml
涉及的相关方法:
**Element getRootElement():**Document的方法,用来获取根元素
List elements():Element的方法,用来获取所有孩子元素
**String attributeValue(String name):**Element的方法,用来获取指定名字的属性值
Element element(String name):Element的方法,用来获取第一个指定名字的子元素
**String elementText(String name):**Element的方法,用来获取第一个指定名字的子元素的文本内容
分析步骤:
1.获取Document对象
2.获取root元素
3.获取root所有子元素
4.遍历每个student元素
-
打印student元素number属性
-
打印student元素的name子元素内容
-
打印student元素的age子元素内容
-
打印student元素的sex子元素内容
2.2.3.XPath
2.2.3.1.什么是XPath
XPath即为XML路径语言(XML Path Language),它是一种用来确定XML文档中某部分位置的语言。XPath基于XML的树状结构,提供在数据结构树中找寻节点的能力。起初 XPath 的提出的初衷是将其作为一个通用的、介于XPointer与XSL间的语法模型。但是 XPath 很快的被开发者采用来当作小型查询语言
2.2.3.2.DOM4J对XPath的支持
在DOM4J中,Node接口中的三个方法最为常用
-
**List selectNodes(String xpathExpression):**在当前节点中查找满足XPath表达式的所有子节点;
-
**Node selectSingleNode(String xpathExpression):**在当前节点中查找满足XPath表达式的第一个子节点;
-
**String valueOf(String xpathExpression):**在当前节点中查找满足XPath表达式的第一个子节点的文本内容;
java
Document doc = reader.read(new FileInputStream("person.xml"));
Element root = doc.getRootElement();
List<Element> eList = root.selectNodes("/persons");
List<Element> eList1 = root.selectNodes("/persons/person/name");
List<Element> eList2 = root.selectNodes("//age");
List<Element> eList3 = root.selectNodes("//person/age");
List<Element> eList4 = root.selectNodes("/*/*/address");
List<Element> eList5 = root.selectNodes("//*");
List<Element> eList6 = root.selectNodes("/persons/person[1]");
List<Element> eList7 = root.selectNodes("/persons/person[last()]");
List<Element> eList8 = root.selectNodes("//@id");
List<Element> eList9 = root.selectNodes("//person[@id]");
List<Element> eList10 = root.selectNodes("//person[@*]");
List<Element> eList11 = root.selectNodes("//*[not(@*)]");
List<Element> eList12 = root.selectNodes("//person[@id='person1']");