XML学习 - 技术栈

XML 概述

XML（Extensible Markup Language）是一种可扩展标记语言，是 SGML 的子集。与 HTML 不同，XML 标签可以由用户自定义，具有极高的灵活性。W3C 于 1998 年发布 XML 1.0 版本，2004 年发布 1.1 版本，但因不向下兼容而未被广泛使用，目前主流仍为 1.0 版本。

XML 的主要作用包括作为程序的配置文件、不同语言之间的数据交换媒介以及作为小型数据库存储数据。与 HTML 相比，XML 的标签是自定义的，需要自定义解析器进行解析，主要用于数据存储、配置和交换。

XML 语法基础

XML 文档声明必须位于第一行第一列，格式如下：

XML 复制代码

<?xml version="1.0" encoding="UTF-8" standalone="no"?>

version：必须指定，当前主流为 1.0。
encoding：可选，默认为 UTF-8。
standalone：可选，表示是否依赖外部约束文件。

XML 元素必须有且仅有一个根元素，元素命名区分大小写，不能以数字或 xml 开头，不能包含空格。空元素可以简写为 <hello/>。

属性必须用引号（单引号或双引号）包裹，同一元素中不能有重复属性名。注释格式为 。

特殊字符需要使用转义字符，例如 < 转义为 <，> 转义为 >。大量特殊字符可以使用 CDATA 区：

XML 复制代码

<![CDATA[ <a> 这里不需要转义 </a> ]]>

XML 约束：DTD 与 Schema

DTD（Document Type Definition）是一种平面式文档，扩展名为 .dtd，用于约束元素、顺序和数量。例如：

dtd 复制代码

<!ELEMENT students (student+)>
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>

Schema（.xsd）本身是 XML 文档，支持数据类型、命名空间和继承等功能，推荐使用 Schema，因其功能更强大且语法统一。

XML 解析技术

DOM 和 SAX 是两种常见的 XML 解析方式。DOM 将 XML 加载为树结构，适合增删改查，但大文件性能较差；SAX 采用事件驱动方式，内存占用小，但只能读取。

DOM4J 是专为 Java 开发者设计的 XML 解析规范，比 DOM 更简洁。常用操作包括读取 XML、获取根元素、遍历子元素以及保存 XML。例如：

java 复制代码

SAXReader reader = new SAXReader();
Document doc = reader.read("students.xml");
Element root = doc.getRootElement();
List<Element> students = root.elements();

for (Element stu : students) {
    String number = stu.attributeValue("number");
    String name = stu.elementText("name");
    System.out.println(number + " : " + name);
}

保存 XML 的示例：

java 复制代码

OutputFormat format = new OutputFormat("\t", true);
format.setEncoding("UTF-8");
XMLWriter writer = new XMLWriter(new FileWriter("out.xml"), format);
writer.write(doc);
writer.close();

XPath：快速定位 XML 节点

XPath 是一种 XML 查询语言，DOM4J 对其提供了良好支持。常用操作包括：

java 复制代码

List<Node> nodes = document.selectNodes("//student[@number='1001']");
Node node = document.selectSingleNode("/students/student[1]");
String value = document.valueOf("//student/name");

常用 XPath 表达式示例：

表达式	含义
`/persons/person`	根路径下所有 `person`
`//age`	任意位置的 `age`
`//person[1]`	第一个 `person`
`//@id`	所有 `id` 属性
`//person[@id='p1']`	`id` 为 `p1` 的 `person`