Top
  1. XML语法
  2. XML解析

1. XML语法

1.1. XML用途

1.1.1. XML用途

XML 指可扩展标记语言(EXtensible Markup Language),是独立于软件和硬件的信息传输工具,应用于 web 开发的许多方面,常用于简化数据的存储和共享。

1.2. 基本语法

1.2.1. xml指令

处理指令,简称PI (processing instruction)。处理指令用来指挥解析引擎如何解析XML文档内容。

以下为例:

<?xml version=“1.0” encoding=“utf-8” ?>

在XML中,所有的处理指令都以<?开始,?>结束。<?后面紧跟的是处理指令的名称。例子中就是一个XML处理指令,XML处理指令要求指定一个version属性。并允许指定可选的standalone和encoding,其中standalone是指是否允许使用外部声明,可设置为yes或no。yes是指定不使用外部声明。no为使用。encoding是指作者使用的字符编码格式。有UTF-8,GBK,gb2312等等。

1.2.2. 元素和属性

XML 元素指的是从(且包括)开始标签直到(且包括)结束标签的部分。元素可包含其他元素、文本或者两者的混合物。元素也可以拥有属性。

例如:

<datasource id="db_oracle">
	  <property name="url">
		jdbc:thin@192.168.0.26:1521:tarena
	  </property>
	  <property name="dbUser">openlab</property>
	  <property name="dbPwd">open123</property>
   </datasource>

其中datasource就是一个元素,它可以包含其他元素,例如property。同理property也是一个元素,元素除了包含元素还可以包含文本信息。元素也可以含有属性,比如property就具有name属性。

XML 元素可以在开始标签中包含属性,属性 (Attribute) 提供关于元素的额外(附加)信息。属性通常提供不属于数据组成部分的信息,但是对需要处理这个元素的应用程序来说却很重要。

XML 属性必须加引号,属性值必须被引号包围,不过单引号和双引号均可使用。

如果属性值本身包含双引号,那么有必要使用单引号包围它,或者可以使用实体引用。

	<datasource id="db_oracle">	
		…
	</datasource>

1.2.3. 大小写敏感

XML对大小写是敏感的,这一点不象HTML。在XML中,标记< Letter> 和标记 < letter> 是不一样的。 因此,打开和结束标记的大小写应该写成相同的:

<letter>…</letter>
<Letter>…</Letter>

1.2.4. 元素必须有关闭标签

XML要求每个元素必须由起始标签和关闭标签组成。关闭标签与起始标签的名字相同,写法上多一个“/”

例如:

<Letter> 只有起始标记是不行的。

<Letter></Letter> 必须要有关闭标签

1.2.5. 必须有根元素

XML要求必须有根元素,所谓根元素就是不被其它元素包围(不含有父元素)。并且根元素只能有一个。

   <datasource id=“db_oracle”>    根元素 
	  <property name="url">
		jdbc:thin@192.168.0.26:1521:tarena
	  </property>
	  <property name="dbUser">openlab</property>
	  <property name="dbPwd">open123</property>
   </datasource>
   这里不能再定义与datasource平级的元素! 

1.2.6. 元素必须正确嵌套

XML要求所有元素必须正确的嵌套。起始标记与结束标记不能在不同元素之间交叉定义。

   <datasource id=“db_oracle”>
	  <property name="dbPwd"> open123
     </datasource>  这里嵌套关系出现了错误!
	</property>

1.2.7. 实体引用

实体可以是常用的短语,键盘字符,文件,数据库记录或任何包含数据的项。在XML中,有时实体内包含一些字符,如 & < >“ ‘ 等。这些均需要对其进行转义,否则会对XML解释器生成错误。

xml常用内置的实体引用如表-1所示:

表-1 XML常用实体引用

1.2.8. CDATA段

格式:< ! [ CDATA [ 文本内容 ] ] >

当在xml中某一段内容想作为普通信息看待,而其中又出现了大量的xml敏感字符时,若我们使用实体引用替换显然是件很麻烦的事情,并且还使得xml的易读性变差,这时我们可以使用CDATA段来解决。特殊标签中的实体引用都被忽略,所有内容被当成一整块文本数据对待

  <?xml version="1.0" encoding="utf-8"?> 
  <root> 
    <![CDATA[ 
        <hello>这里的内容不需要特殊转意,都会被当做文本 
        <world> 
      ]]> 
     <subRoot> </subRoot> 
   </root> 

2. XML解析

2.1. XML解析方式

2.1.1. SAX解析方式

SAX(simple API for XML)是一种XML解析的替代方法。相比于DOM,SAX是一种速度更快,更有效的方法。它逐行扫描文档,一边扫描一边解析。而且相比于DOM,SAX可以在解析文档的任意时刻停止解析。 其优缺点分别为:

优点: 解析可以立即开始,速度快,没有内存压力

缺点: 不能对节点做修改

2.1.2. DOM解析方式

DOM:(Document Object Model, 即文档对象模型) 是 W3C 组织推荐的处理 XML 的一种方式。DOM解析器在解析XML文档时,会把文档中的所有元素,按照其出现的层次关系,解析成一个个Node对象(节点)。其优缺点分别为:

优点:把xml文件在内存中构造树形结构,可以遍历和修改节点

缺点: 如果文件比较大,内存有压力,解析的时间会比较长

2.2. 读取XML

2.2.1. SAXReader读取XML文档

使用SAXReader需要导入dom4j-full.jar包。其是DOM4J的一个核心API,用于读取XML文档。

DOM4J是一个Java的XML API,类似于JDOM,用来读写XML文件的。DOM4J是一个非常非常优秀的Java XML API,具有性能优异、功能强大和极端易用使用的特点,同时它也是一个开放源代码的软件。

创建SAXReader来读取XML文档。

public static Document readXML(String filename) 
											throws DocumentException{
	try {
		//创建SAXReader 
			SAXReader reader = new SAXReader();
		//读取指定文件
			Document doc = reader.read(new File(filename));
		return doc;
	} catch (DocumentException e) {
		e.printStackTrace();
		throw e;
	}
}

通过上面的代码看到,我们使用了SAXReader读取了一个指定的文件,那么调用的方法是:

Document reader(File file)

该方法会读取给定的文件,并将其封装到一个名为Document的对象中。

2.2.2. Document的getRootElement方法

Document 对象是一棵文档树的根,可为我们提供对文档数据的最初(或最顶层)的访问入口。

当我们得到Document后就相当于我们得到了XML描述的整个树结构。那么我们就来开始解析的第一步工作,获取根元素。

获取根元素前,我们还需要提一下一个名为Element的类。Element用于描述XML中的一个元素。元素可包含属性、其他元素或文本。如果元素含有文本,则在文本节点中表示该文本。

Document的方法:

Element getRootElement()

用来获取当前XML文档中的根元素。

例如:

try {
		Document doc = readXML("build.xml");
		//获取根元素 
			Element root = doc.getRootElement();
	} catch (Exception e) {
		e.printStackTrace();
	} 

2.3. Element

2.3.1. element方法

当我们通过解析XML得到一个Element对象时,如何获取该对象所表示的元素的一些相关信息呢?

其中Element提供了一个方法:

Element element(String name)

该方法用于获取当前元素下指定名字的子元素。

例如:

/**
 * 测试element方法
*/
public static void testElement(Element element){
		//获取当前元素下名为path的子元素
		Element e = element.element("path");
		System.out.println(e);
} 

若当前元素下包含若干个同名子元素,那么element方法会获取该元素中第一个子元素。

若我们希望获取当前元素下所有同名的子元素,我们可以使用elements方法。

2.3.2. elements方法

Element提供了另一个方法用于获取当前元素下所有子元素,其方法为:

List elements()

例如:

/**
 * 测试elements方法
*/
public static void testElements(Element element){
		List<Element> elements = element.elements();
		for(Element e : elements){
			System.out.println(e);
		} 
}

elements还有重载方法,比如我们希望获取当前元素下同名的所有子元素时,我们可以使用:

List elements(String name)

该方法会获取当前元素下所有给定名字的子元素。

例如:

/**
 * 测试elements方法
*/
public static void testElements(Element element){
	//获取所有名为path的子元素
	List<Element> elements = element.elements("path");
	for(Element e : elements){
		System.out.println(e);
	} 
}

2.3.3. getName方法

Element提供了一个方法,用于获取当前元素的名字:

String getName()

例如:

/**
 * 测试getName方法 
 */
public static void testGetName(Element element){
	String name = element.getName();
	System.out.println(name); 
} 

2.3.4. getText方法

Element还提供了一个方法,用于获取元素的文本节点(其实标记与结束标记之间的文本)

String getText()

例如:

/**
 * 测试getText方法
*/
public static void testGetText(Element element){
	String name = element.getText();
	System.out.println(name);
} 

2.3.5. attribute方法

Element的attribute方法用于获取当前元素的属性信息,其方法定义为:

获取当前元素的指定属性,index为索引,从0开始。

获取当前元素的指定名字的属性。

例如:

/**
 * 测试attribute方法
*/
public static void testAttribute(Element element){
	//获取当前元素的第一个属性
	Attribute attr = element.attribute(0);
	//获取当前元素的name属性
	//Attribute attr = element.attribute("name"); 
} 

2.4. Attribute

2.4.1. getName方法和getValue方法

Attribute类的每一个实例用于描述一个元素中的某个属性信息。根据该对象我们通常会获取其对应的属性名与属性值的信息,这两个信息的获取依靠下列方法:

例如:

/**
 * 测试attribute方法 
 */
public static void testAttribute(Element element){
	//获取当前元素的第一个属性
	Attribute attr = element.attribute(0);
	System.out.println(attr.getName());
	System.out.println(attr.getValue());
} 

2.5. 写XML

2.5.1. 构建Document对象

使用DOM4J我们还可以通过自行构建Document对象,并组建树状结构来描述一个XML文档,并使用DOM4J将其写入一个文件。

那么在写XML文件时,做的第一件事自然就是构建Document对象。那么我们来看看如何构建一个Document对象。

构建Docuemnt对象,我们可以使用DOM4J提供的一个类:DocumentHelper,其提供了一个静态方法:

static Document createDocument()

该方法会创建一个Docuemnt对象。

例如:

/**
 * 创建Document对象
 */
public static Document createDocument(){
	return DocumentHelper.createDocument();
} 

2.5.2. Document的addElement方法

当我们创建好Document后,我们就可以开始添加XML的根元素,通过前面的知识介绍我们知道,Element是用来描述XML中的一个元素的,所以我们要向Document中添加一个Element来表示根元素。

Document提供了这样的一个方法,可以方便的添加根元素:

Element addElement(String name)

该方法的作用是向Docuemnt中添加指定名字的根元素,这里需要注意的是,该方法只应当调用一次,否则会抛出文档已经存在根元素的异常。当根元素添加完毕后,该方法会将根元素所对应的Element对象返回,以便我们根据根元素来组织整个树。

/**
 * 测试写出xml文件
 */
public static void testWriteXml(){
	Document doc = createDocument();
	//添加根元素
	Element root = doc.addElement("project");
} 

2.5.3. Element的addElement方法

有了根元素后,我们如何向根元素中添加子元素呢?

Element类同样提供了一个方法,用于向该元素中添加子元素:

Element addElement(String name)

该方法会向当前元素中添加给定名字的子元素,并将其对应的Element对象返回。

例如:

/**
 * 测试写出xml文件
 */
public static void testWriteXml(){
	…
	Element root = doc.addElement("project");
	//向根元素中添加名为path的子元素
	Element ele = root.addElement("path");
} 

2.5.4. Element的addAttribute方法

除了向元素中添加子元素外,我们也经常会给当前元素添加属性。Element类提供了用于添加属性的方法:

Element addAttribute(String name,String value)

该方法会向当前元素中添加给定名字以及对应的值的属性。返回值依然为当前元素,这样做的目的在于我们连续添加元素时的代码复杂度可以减低,这个类似StringBuilder的append等方法的道理。

例如:

/**
 * 测试写出xml文件
 */
public static void testWriteXml(){
	…
	Element ele = root.addElement("path");
	//为path元素添加属性id,其值为cp
	ele.addAttribute("id", "cp");
} 

2.5.5. Element的addText方法

Element还提供了一个方法,可以向元素的文本节点添加文本信息。其方法定义为:

Element addText(String text)

例如:

/**
 * 测试写出xml文件
 */
public static void testWriteXml(){
	…
	//为path元素添加属性id,其值为cp
	ele.addAttribute("id", "cp");
	//添加文本信息 
	ele.addText(“content"); 
} 

2.5.6. XMLWriter输出XML文档

当我们构建好Docuement后,我们可以通过XMLWriter来输出。

例如:

/**

* 测试写出xml文件

*/

public static void testWriteXml()throw IOException{
	…
	//写出
	XMLWriter writer = new XMLWriter();//构建用于写xml的输出流
	FileOutputStream fos 
		= new FileOutputStream("builder.xml");
	writer.setOutputStream(fos);
	writer.write(doc);//将Document对象输出到文件中
	writer.close(); 
} 

2.6. XPATH

2.6.1. 路径表达式

XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。由于我们单纯使用dom定位节点时,大部分时间需要一层一层的处理,如果有了xPath,我们定位我们的节点将变得很轻松。他可以根据路径,属性,甚至是条件进行节点的检索。

路径表达式语法:

我们以下面的xml来举例说明:

<?xml version="1.0" encoding="ISO-8859-1"?>
<bookstore>
  <book>    	<title lang="eng">Harry Potter</title>   		<price>29.99</price>  	  </book>
  <book>    	<title lang="eng">Learning XML</title>    	<price>39.95</price>  	  </book>
</bookstore>

常用的表达式如表-2所示:

表-2 常用路径表达式

2.6.2. 谓语

所谓"谓语条件",就是对路径表达式的附加条件。所有的条件,都写在方括号"[]"中,表示对节点进行进一步的筛选。 常用谓语如表-3所示:

表-3 常用谓语

2.6.3. 通配符

通配符的使用如下:

常用通配符用法如表-4所示:

表-4 通配符

2.6.4. Dom4J对XPath的支持

DOM4J支持使用XPATH来检索XML内容。若想使用需要引入一个jar包到项目中,该jar包名字应为: jaxen-xx-xx.jar。版本不同,可能名字略有差别。

若不引用此包,程序会引发:

java.lang.NoClassDefFoundError:org/jaxen/jaxenException异常。

Document提供了一个对XPATH检索的方法:

List selectNodes(Stirng xpath)

传入xpath路径,获取相应的信息 .