xml 的使用和解析 及解析工具

xml

一、xml简介

1. 什么是xml

• XML：Extensiable Markup Language，可扩展标记语言。和HTML有语法相似之处，也有作用上的不同：

  • 和html相似：

    • 都是由一堆标签组成的

    • 标签上都可以写属性

  • 和html不同：

    • html重点在于显示；xml重点在于配置的数据

    • html的标签都是有功能；xml的标签没有功能

    • html的标签是w3预定义好的；xml的标签是自定义的

2. xml的作用

• 作为软件的配置文件：逐步被注解代替掉，但是没有完全代替掉

  • properties文件：简单，功能弱。JDK提供的Properties来解析

  • xml文件：麻烦，功能强。引入jar包解析

• 作为数据传输的格式：已经被json代替了

二、==xml语法==（编写一个xml）

1. xml的语法概述

• 一个xml里，用到的语法有：

  • 文档声明

  • 注释

  • 元素/标签

  • 属性

  • 特殊字符和CDATA区

2. xml的语法详解

• 要求：编写一个xml，里边配置班级里同学的信息

2.1 文档声明

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

• 注意：

  • 文档声明必须出现在xml文档的0行0列

2.2 元素/标签

<!-- 开始标签，结束标签 -->
<students></students>
<!-- 自闭合标签 -->
<studetns/>

• 注意：

  • 区分大小写

  • 命名要求：不能使用空格、冒号，不建议以xml开头

    • 建议：以数字、字母、下划线命名，并且不以数字开头

  • 只能有且必须有一个根标签

  • 标签一定要闭合

2.3 属性

<student id="001"></student>

• 注意：

  • 属性必须出现在开始标签上

  • 属性值必须使用引号括起来

  • 区分大小写

  • 属性命名：建议以数字、字母、下划线命名，不以数字开头

2.4 特殊字符和CDATA区

• 特殊字符：通常使用转义字符代替：>, &gt; <, &lt; ", &quot; ', &apos;' &, &amp;

• CDATA区：在CDATA区里可以写任意字符，而不需要使用转义字符。

  • 语法：<![CDATA[ 在这里可以写任意内容 ]]>

3. xml编写的练习：

要求：编写一个xml，配置一些书籍的信息。每本书要求有：书名，作者，价格；编号，出版社

三、xml解析

1. 什么是xml解析

• 使用一段代码，读取xml，得到里边配置的数据。

2. 有哪些解析方式（面试题）

2.1 常见的解析方式

• DOM解析：把整个xml文档加载到内存中，封装形成一棵dom树。

  • 优点：可以增、删、改

  • 缺点：可能内存溢出

• SAX解析：逐行读取，事件驱动型解析。

  • 优点：速度快，可以读取大xml文档

  • 缺点：复杂，不能增、删、改

2.2 常见的解析工具包

• jaxp：sun公司的工具包，很少用

• jsoup：可以解析xml，但是更多用于解析html，做网络爬虫

• jdom：jdom组织提供的工具包

• dom4j：dom4j组织提供的工具包，使用的多

3. xml解析实现

3.1 使用dom4j解析xml

3.1.1 基本步骤

1.读取xml，得到Document对象
2.从Document里得到根节点对象
3.遍历dom树，找需要的标签
4.得到标签上的数据：属性值、标签体

3.1.2 相关的类

• 解析器：读取xml的，得到Document对象

  • SAXReader：使用sax方式读取xml，最终构建一棵dom树

  • DOMReader：使用dom方式读取xml，最终构建一棵dom树

SAXReader reader = new SAXReader();
Document document = reader.read(InputStream is);

• 从Document里得到根标签：

  • document.getRootElement()

• 从任意一标签里得到子标签

  • element.elements()：获取所有的子标签，得到List

  • element.elements(String elementName)：获取所有指定名称的子标签，得到List

  • element.element(String elementName)：获取第一个指定名称的子标签，得到Element

• 从标签上得到数据：

  • element.getText()：得到标签里的内容

  • element.attributeValues(String attrName)：获取指定名称的属性值

3.2 使用xpath简化dom4j

3.2.1 常见xpath写法（了解）

/a/b/c：  找根标签a下的b标签，b标签下的c标签。 最终找的是符合条件的c标签
//a：     全文搜索a标签
​
//a[1]：  全文搜索a标签，只要第1个
//a[last()]：全文搜索a标签，只要最后一个
//@id：   全文搜索id属性
//a[@id]：全文搜索含有id属性的a标签
​
//a[@id="a1"]：全文搜索a标签，但是只要id属性值为a1的
​
/a/*：    找根标签a下所有的子标签
//*：     全文搜索所有标签
//a[@*]   全文搜索有属性的a标签

3.2.2 dom4j使用xpath

• 步骤：导入jar包（dom4j的jar包，jaxen的jar包）

1. 读取xml文件，得到Document对象
2. 使用Document的方法，执行xpath表达式，得到结果

• 相关的方法：

  • Document里执行xpath的方法：

    • document.selectNodes(String xpath)：得到所有符合xpath的节点集合，得到List<Node>

    • document.selectSingleNode(String xpath)：得到第一个符合xpath的节点对象，得到Node对象

3.3 dom4j解析和xpath解析对比

• 如果要解析xml，得到里边配置的所有数据：建议用dom4j，层层迭代遍历所有

• 如果要解析xml，只要里边的一部分数据：建议使用xpath，使用xpath表达式直接定位到节点，不需要层层迭代

4. 练习：

• 解析得到书籍xml文件里所有的书籍信息

• 使用xpath解析xml，得到所有书籍的名称。 或者是得到id为指定值的一本书的信息

四、xml约束（了解）

1. 什么是约束

• 用来限制xml文件里可以写什么标签、属性、什么值。这样的限制，叫xml约束。

• 约束的作用：

  • 限制xml里可以写什么，不可以写什么

  • 编写xml时给代码提示

2. 有哪些约束（面试题）

• DTD约束：

  • 文件后缀名是：.dtd

  • DTD约束是一套独立的语法

  • DTD的数据类型较少

• Schema约束：

  • 文件后缀名是：xsd

  • Schema约束是使用xml格式编写的

  • Schema支持更多的数据类型

  • Schema支持名称空间

3. 约束的引入（了解）

3.1 在xml里引入dtd约束

<?xml version="1.0" encoding="utf-8" ?>
<!DOCTYPE 根标签 SYSTEM "dtd文件名称">

3.2 在xml里引入Schema约束

<?xml version="1.0" encoding="utf-8"?>
<根标签
     xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
     xmlns="约束文件的名称空间"
     xsi:schemaLocation="约束文件的名称空间 xsd文件名称">
    
</根标签>

• 如果一个xml里要引入多个xsd约束

<?xml version="1.0" encoding="utf-8" ?>
<根标签 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
     xmlns="约束1的名称空间"
     xmlns:ys2="约束2的名称空间"
     xmlns:ys3="约束3的名称空间"
     xsi:schemaLocation="约束1的名称空间 
                         约束1的文件位置
                         约束2的名称空间
                         约束2的文件位置
                         约束3的名称空间
                         约束3的文件位置">
    
    <!-- abc标签是默认的名称空间里提供的标签。xmlns="" -->
    <abc></abc>
    
    <!-- 约束2里的标签 -->
    <ys2:abc></ys2:abc>
    
    <!-- 约束3里的标签 -->
    <ys3:abc></ys3:abc>
</根标签>

4. 名称空间

• Schema约束里有名称空间；DTD约束是没有的

• 作用：

  • 因为一个xml里可以引多个Schema约束。多个Schema约束里可能定义的相同名称的标签。

  • 在xml里，使用标签时，就必须要声明：用的是哪个约束里的标签定义

• 名称空间相当于是一个Schema约束的唯一标识。

内容总结

1. 能够说出xml的作用：

   • 作为软件的配置文件：逐步被注解代替了

   • 作为数据传输的格式：已经被json代替了

2. 掌握xml的语法：区分大小写

   • 文档声明：<?xml version="1.0" encoding="utf-8" ?>

     • 要求：必须出现在0行0列

   • 注释：<!-- 注释内容 -->

   • 元素/标签：<关键字></关键字> <关键字/>

     • 有且必须有一个根标签

     • 命名：不能出现空格，冒号；不建议以xml开头；建议：以字母、数字、下划线命名，不以数字开头

   • 属性：<关键字 属性名="值" 属性名="值"></关键字>

     • 属性值必须用引号括起来

     • 命名：跟元素命名规范一样

   • 特殊字符：

     • >, &gt; <, &lt; ",&quot; ',&apos; &, &amp;

   • CDATA区：

     • <![CDATA[ 在这里可以写任意内容 ]]>

3. 能够说出常用的解析方式：

   • dom解析：把整个xml加载到内存中，形成dom树。

     • 好处：可以增、删、改

     • 缺点：可能内存溢出

   • sax解析：逐行读取，事件驱动型解析。

     • 好处：速度快，不易内存溢出

     • 缺点：不能增、删、改

4. 掌握 dom4j解析xml的方式

   //1.读取xml，得到Document对象
   SAXReader reader = new SAXReader();
   Document document = reader.read(xml文件的输入流对象);
   //2.从Document里得到根标签
   Element rootElement = document.getRootElement();
   //3.层层遍历得到想要的标签
   List<Element> elements = rootElement.elements();//得到所有子标签
   List<Element> elements = rootElement.elements("student");//获取所有名称为student的子标签
   Element element = rootElement.element("student");//获取第一个名称为student的子标签
   //4.获取标签上的数据：属性值， 文本
   String attrValue = element.attributeValue(String attrName);
   String text = element.getText();

5. 掌握xpath简化dom的使用

   //1.读取xml，得到Document对象
   SAXReader reader = new SAXReader();
   Document document = reader.read(xml文件的输入流对象);
   ​
   //2.使用Document的方法，执行xpath表达式，得到结果
   List<Node> nodes = document.selectNodes(String xpath);//得到所有符合条件的节点集合
   Node node = document.selectSingleNode(String xpath);//得到第一个符合条件的节点对象

6. 能够说出xml的两种约束方式

   • DTD约束； Schema约束

   • DTD约束有独立的语法；Schema约束使用的xml语法

   • Schema支持更多的数据类型

   • 一个xml里只能引入一个dtd约束；能引入多个Schema约束

   • Schema约束支持名称空间

7. 把引入约束的语法，记起来备用