XML和Dom4j - java

XML

XML介绍

什么是XML

• XML 指可扩展标记语言（EXtensible Markup Language）

• XML 是一种标记语言，很类似 HTML，HTML文件也是XML文档

• XML 的设计宗旨是传输数据，而非显示数据

• XML 标签没有被预定义。您需要自行定义标签。

• XML 被设计为具有自我描述性(就是易于阅读)。

• XML 是 W3C 的推荐标准

  W3C在1988年2月发布1.0版本，2004年2月又发布1.1版本，单因为1.1版本不能向下兼容1.0版本，所以1.1没有人用。同时，在2004年2月W3C又发布了1.0版本的第三版。我们要学习的还是1.0版本。

XML 与 HTML 的主要差异

• XML 不是 HTML 的替代。
• XML 和 HTML 为不同的目的而设计。
• XML 被设计为传输和存储数据，其焦点是数据的内容。
• HTML 被设计用来显示数据，其焦点是数据的外观。
• HTML 旨在显示信息，而 XML 旨在传输信息。

XML文件案例编写person.xml文件

需求

​ 编写xml文档，用于描述人员信息，person代表一个人员，id是人员的属性代表人员编号。人员信息包括age年龄、name姓名、sex性别信息。

效果

使用浏览器运行person.xml文件效果如下

实现步骤

步骤1：使用idea开发工具，选择当前项目鼠标右键新建“File”，如图

步骤2：编写文件person.xml文件，内容如下：

<person id="110">
	<age>18age>		
	<name>张三name>	  
	<sex/>				
person>

步骤3：如图点击浏览器运行

步骤4：浏览器运行效果如下

XML作用

XML在企业开发中主要有两种应用场景：

1）XML可以存储数据 , 作为数据交换的载体(使用XML格式进行数据的传输)。

2）XML也可以作为配置文件，例如后面框架阶段我们学习的Spring框架的配置(applicationContext.xml)都是通过XML进行配置的（企业开发中经常使用的）

XML的组成元素

XML文件中常见的组成元素有:文档声明、元素、属性、注释、转义字符、字符区。

文档声明

1. 使用IDE创建xml文件时就带有文档声明.
2. 文档声明必须为结束
3. 文档声明必须从文档的0行0列位置开始
4. 文档声明中常见的两个属性：
   • version：指定XML文档版本。必须属性，这里一般选择1.0；
   • enconding：指定当前文档的编码，可选属性，默认值是utf-8；

元素element

格式1:<person>person>
格式2:<person/>

1. 元素是XML文档中最重要的组成部分；
2. 普通元素的结构由开始标签、元素体、结束标签组成。
3. 元素体：元素体可以是元素，也可以是文本，例如：张三
4. 空元素：空元素只有标签，而没有结束标签，但元素必须自己闭合，例如：
5. 元素命名
   • 区分大小写
   • 不能使用空格，不能使用冒号
   • 不建议以XML、xml、Xml开头
6. 格式化良好的XML文档，有且仅有一个根元素。

属性

<person id="110">

1. 属性是元素的一部分，它必须出现在元素的开始标签中
2. 属性的定义格式：属性名=“属性值”，其中属性值必须使用单引或双引号括起来
3. 一个元素可以有0~N个属性，但一个元素中不能出现同名属性
4. 属性名不能使用空格 , 不要使用冒号等特殊字符，且必须以字母开头

注释

XML的注释与HTML相同，既以结束。

转义字符

​ XML中的转义字符与HTML一样。因为很多符号已经被文档结构所使用，所以在元素体或属性值中想使用这些符号就必须使用转义字符（也叫实体字符），例如：“>”、“<”、“'”、“”“、”&"。

字符	预定义的转义字符	说明
<	<	小于
>	>	大于
"	"	双引号
’	'	单引号
&	&	和号

注意：严格地讲，在 XML 中仅有字符 “<“和”&” 是非法的。省略号、引号和大于号是合法的，但是把它们替换为实体引用是个好的习惯。

转义字符应用示例：

​ 假如您在 XML 文档中放置了一个类似 “<” 字符，那么这个文档会产生一个错误，这是因为解析器会把它解释为新元素的开始。因此你不能这样写：

<message>if salary < 1000 thenmessage>

为了避免此类错误，需要把字符 “<” 替换为实体引用，就像这样：

<message>if salary < 1000 thenmessage>

字符区(了解)

1. CDATA 指的是不应由 XML 解析器进行解析的文本数据（Unparsed Character Data）
2. CDATA 部分由 “” 结束；
3. 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。

注意：

​ CDATA 部分不能包含字符串 “]]>”。也不允许嵌套的 CDATA 部分。

​ 标记 CDATA 部分结尾的 “]]>” 不能包含空格或折行。

XML文件的约束

在XML技术里，可以编写一个文档来约束一个XML文档的书写规范，这称之为XML约束。

常见的xml约束：DTD、Schema

注意:我们对于约束的要求是能通过已写好的约束文件编写xml文档.

DTD约束

概念

​ DTD是文档类型定义（Document Type Definition）。DTD 可以定义在 XML 文档中出现的元素、这些元素出现的次序、它们如何相互嵌套以及XML文档结构的其它详细信息。

约束体验

体验效果说明：当编写xml文档时不符合指定dtd约束时，进行提示xml编写错误，如下图：

体验步骤:

步骤1：复制bookshelf.dtd文件

步骤2：bookshelf.dtd文件内容如下

步骤三：新建books.xml，代码如下

DOCTYPE 书架 SYSTEM "bookshelf.dtd">
<书架>
    <书>
        <书名>JavaWeb开发教程书名>
        <作者>张孝祥作者>
        <售价>100.00元售价>
    书>
    <书>
        <书名>三国演义书名>
        <作者>罗贯中作者>
        <售价>100.00元售价>
        <测试>hello测试>
    书>
书架>

步骤四：idea开发工具books.xml的dtd约束验证不通过的效果如下

dtd学习要求

​ 在企业实际开发中，我们很少自己编写DTD约束文档，通常情况下通过框架提供的DTD约束文档编写对应的XML文档。所以这一知识点的要求是可以根据DTD约束文档内容编写XML文档。

语法(了解)

文档声明(了解)

1. 内部DTD，在XML文档内部嵌入DTD，只对当前XML有效。

   
   DOCTYPE 根元素 [...//具体语法]>
   <根元素>
   根元素>
   

2. 外部DTD—本地DTD，DTD文档在本地系统上，企业内部自己项目使用。

   
   DOCTYPE 根元素 SYSTEM "bookshelf.dtd">
   <根元素>
   根元素>
   

3. 外部DTD—公共DTD，DTD文档在网络上，一般都有框架提供 , 也是我们使用最多的.

   
   DOCTYPE web-app PUBLIC "-//Sun Microsystems, Inc.//DTD Web Application 2.3//EN" "http://java.sun.com/dtd/web-app_2_3.dtd">
   <web-app>
   web-app>
   

元素声明(了解)

1. 约束元素的嵌套层级

   语法

   代码

2. 约束元素体里面的数据

   语法

   标签类型

   标签类型	代码写法	说明
   PCDATA	(#PCDATA)	被解释的字符串数据
   EMPTY	EMPTY	即空元素，例如
   ANY	ANY	即任意类型

   代码

3. 数量词(掌握)

   数量词符号	含义
   *	表示元素可以出现0到多个
   +	表示元素可以出现至少1个
   ?	表示元素可以是0或1个
   ,	表示元素需要按照顺序显示
   |	表示元素需要选择其中的某一个

属性声明(了解)

语法

属性类型

属性类型	含义
CDATA	代表属性是文本字符串， eg:
ID	代码该属性值唯一，不能以数字开头， eg:
ENUMERATED	代表属性值在指定范围内进行枚举 Eg: “社科类"是默认值，属性如果不设置默认值就是"社科类”

属性说明

属性说明	含义
#REQUIRED	代表属性是必须有的
#IMPLIED	代表属性可有可无
#FIXED	代表属性为固定值，实现方式：book_info CDATA #FIXED “固定值”

代码

		id ID #REQUIRED						 
		编号 CDATA #IMPLIED				    
		出版社 (清华|北大|传智播客) "传智播客"   
		type CDATA #FIXED "IT"                
>

schema约束

概念

Schema 语言也可作为 XSD（XML Schema Definition）。

Schema 比DTD强大，是DTD代替者。

Schema 本身也是XML文档，单Schema文档扩展名为xsd，而不是xml。

Schema 功能更强大，数据类型约束更完善。

约束体验

体验效果说明：体验schema约束XML文档中对元素体数据类型的约束。效果如下：

DTD约束无法对具体数据类型进行约束,所以开发工具没有任何错误提示，如下效果：

实现步骤

步骤1：复制schema约束文件bookshelf.xsd，其中已对售价约束了数据类型，代码如下

<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"
           targetNamespace="http://www.itcast.cn"
           elementFormDefault="qualified">
        <xs:element name='书架' >
                <xs:complexType>
                        <xs:sequence maxOccurs='unbounded' >
                                <xs:element name='书' >
                                        <xs:complexType>
                                                <xs:sequence>
                                                     <xs:element name='书名' type='xs:string' />
                                                     <xs:element name='作者' type='xs:string' />
                                                     <xs:element name='售价' type='xs:double' />
                                                xs:sequence>
                                        xs:complexType>
                                xs:element>
                        xs:sequence>
                xs:complexType>
        xs:element>
xs:schema>

步骤2：新建books2.xml使用schema约束文件bookshelf.xsd，代码如下

<书架
xmlns="http://www.itcast.cn"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.itcast.cn bookshelf.xsd"
>
    <书>
        <书名>JavaScript网页开发书名>
        <作者>张孝祥作者>
        <售价>abc售价>
    书>
书架>

步骤3：开发工具提示效果

名称空间

​ 一个XML文档最多可以使用一个DTD文件,但一个XML文档中使用多个Schema文件，若这些Schema文件中定义了相同名称的元素时,使用的时候就会出现名字冲突。这就像一个Java文件中使用了import java.util.*和import java.sql.*时，在使用Date类时，那么就不明确Date是哪个包下的Date了。同理 , 在XML文档中就需要通过名称空间(namespace)来区分元素和属性是来源于哪个约束中的。名称空间就在在根元素后面的内容 , 使用xmlns到引入约束 。

​ 当一个XML文档中需要使用多个Schema文件的时候 , 有且仅有一个使用缺省的 , 其他的名称空间都需要起别名 。参考资料中的 applicationContext.xml文件(spring框架的配置文件)

 xmlns="http://www.itcast.cn"    
 	
 
 xmlns:aa="http://java.sun.com"
 	

​ 总之名称空间就是用来处理元素和属性的名称冲突问题，与Java中的包是同一用途。如果每个元素和属性都有自己的名称空间，那么就不会出现名字冲突问题，就像是每个类都有自己所在的包一样，那么类名就不会出现冲突。

schema学习要求

​ 虽然schema功能比dtd强大，但是编写要比DTD复杂，同样以后我们在企业开发中也很少会自己编写schema文件。

​ xml编写与约束内容已经完成了，根据xml的作用我们了解到，无论是xml作为配置文件还是数据传输，我们的程序都要获取xml文档中的数据以便我们进行具体的业务操作，接下来我们就要学习XML解析技术Dom4j。

Dom4j

XML解析

解析概述

​ 当将数据存储在XML后，我们就希望通过程序获取XML的内容。如果我们使用Java基础所学的IO知识是可以完成的，不过你学要非常繁琐的操作才可以完成，且开发中会遇到不同问题（只读、读写）。人们为不同问题提供不同的解析方式，使用不同的解析器进行解析，方便开发人员操作XML。

解析方式和解析器

• 开发中比较常见的解析方式有三种，如下：

  1. DOM：要求解析器把整个XML文档装载到内存，并解析成一个Document对象

     a）优点：元素与元素之间保留结构关系，故可以进行增删改查操作。

     b）缺点：XML文档过大，可能出现内存溢出

  2. SAX：是一种速度更快，更有效的方法。她逐行扫描文档，一边扫描一边解析。并以事件驱动的方式进行具体解析，没执行一行，都触发对应的事件。（了解）

     a）优点：处理速度快，可以处理大文件

     b）缺点：只能读，逐行后将释放资源，解析操作繁琐。

  3. PULL：Android内置的XML解析方式，类似SAX。（了解）

• 解析器，就是根据不同的解析方式提供具体实现。有的解析器操作过于繁琐，为了方便开发人员，有提供易于操作的解析开发包

  

• 常见的解析开发包

  • JAXP：sun公司提供支持DOM和SAX开发包
  • Dom4j：比较简单的的解析开发包(常用)
  • JDom：与Dom4j类似
  • Jsoup：功能强大DOM方式的XML解析开发包，尤其对HTML解析更加方便(项目中讲解)

Dom4j的基本使用

DOM解析原理及结构模型

• 解析原理

  XML DOM 和 HTML DOM一样，XML DOM 将整个XML文档加载到内存，生成一个DOM树，并获得一个Document对象，通过Document对象就可以对DOM进行操作。以下面books.xml文档为例。

  
  <books>
      <book id="0001">
          <name>JavaWeb开发教程name>
          <author>张孝祥author>
          <sale>100.00元sale>
      book>
      <book id="0002">
          <name>三国演义name>
          <author>罗贯中author>
          <sale>100.00元sale>
      book>
  books>
  

• 结构模型

  

  DOM中的核心概念就是节点，在XML文档中的元素、属性、文本，在DOM中都是节点！所有的节点都封装到了Document对象中。

• 引入dom4j的jar包

  需要引入“jar/dom4j-1.6.1.jar” , 在IDEA中，选择项目鼠标右键--->弹出菜单-->open Module settings”-->Dependencies-->+-->JARs or directories...
  找到dom4j-1.6.1.jar,成功添加之后点击"OK" 即可.

• dom4j 必须使用核心类SaxReader加载xml文档获得Document，通过Document对象获得文档的根元素，然后就可以操作了。

maven依赖：

<dependency>
    <groupId>org.dom4jgroupId>
    <artifactId>dom4jartifactId>
    <version>2.1.1version>
dependency>

常用的方法

SaxReader对象

方法	作用
new SaxReader()	构造器
Document read(String url)	加载执行xml文档

Document对象

方法	作用
Element getRootElement()	获得根元素

Element对象

方法	作用
List elements([String ele] )	获得指定名称的所有子元素。可以不指定名称
Element element([String ele])	获得指定名称第一个子元素。可以不指定名称
String getName()	获得当前元素的元素名
String attributeValue(String attrName)	获得指定属性名的属性值
String elementText(Sting ele)	获得指定名称子元素的文本值
String getText()	获得当前元素的文本内容

方法演示

复制资料下的常用xml中"books.xml",内容如下:

<books>
    <book id="0001">
        <name>JavaWeb开发教程name>
        <author>张孝祥author>
        <sale>100.00元sale>
    book>
    <book id="0002">
        <name>三国演义name>
        <author>罗贯中author>
        <sale>100.00元sale>
    book>
books>

注意:为了便于解析,此xml中没有添加约束

解析此文件,获取每本书的id值,以及书本名称,作者名称和价格.

public class Demo {
    public static void main(String[] args) throws DocumentException {
        SAXReader reader = new SAXReader();
        Document document = reader.read(Demo.class.getResourceAsStream("/books.xml"));
        //获取根元素 books
        Element elemRoot = document.getRootElement();

        //获取根元素的所有子元素 book
        List<Element>list = elemRoot.elements();
        //遍历集合 获取每一个book
        for(Element element : list){
            //获取book的id属性
            String id =element.attributeValue("id");
            System.out.println("id : "+ id);

            //获取book下的所有子元素 name,author,sale
            List<Element>listElem = element.elements();
            //遍历集合 获取每一个子元素
            for(Element elem : listElem){
                //元素名
                String name = elem.getName();
                //文本值
                String text = elem.getText();
                System.out.println("--- " + name + " : " + text);
            }
        }
    }
}

Dom4J结合XPath解析XML

介绍

​ XPath 使用路径表达式来选取HTML 文档中的元素节点或属性节点。节点是通过沿着路径 (path) 来选取的。XPath在解析HTML文档方面提供了一独树一帜的路径思想。

XPath使用步骤

步骤1：导入jar包(dom4j和jaxen-1.1-beta-6.jar)

步骤2：通过dom4j的SaxReader获取Document对象

步骤3： 利用Xpath提供的api,结合xpaht的语法完成选取XML文档元素节点进行解析操作。

document常用的api

方法	作用
List selectNodes(“表达式”)	获取符合表达式的元素集合
Element selectSingleNode(“表达式”)	获取符合表达式的唯一元素

XPath语法(了解)

• XPath表达式，就是用于选取HTML文档中节点的表达式字符串。

  获取XML文档节点元素一共有如下4种XPath语法方式：

  1. 绝对路径表达式方式。例如: /元素/子元素/子子元素…
  2. 相对路径表达式方式。例如: 子元素/子子元素… 或者 ./子元素/子子元素…
  3. 全文搜索路径表达式方式。例如: //子元素//子子元素
  4. 谓语（条件筛选）方式。例如: //元素[@attr1=value]

• 获取不同节点语法

  获取类型	语法代码
  获取元素节点	元素名称
  获取属性节点	@属性名称

绝对路径表达式(了解)

• 绝对路径介绍

  格式：

  String xpath="/元素/子元素/子子元素...";
  

  绝对路径是以“/”开头，一级一级描述标签的层级路径就是绝对路径，这里注意不可以跨层级

  绝对路径是从根元素开始写路径的，这里开头的“/”代表HTML文档根元素，所以在绝对路径中不可以写根元素路径

• 演示需求(解析XML文档为"资料\常用xml文件\index.html")

  需求：采用绝对路径获取从根节点开始逐层的html/body/div/ul/li节点列表并打印信息
  

相对路径表达式(了解)

• 相对路径介绍

  格式：

  String xpath1="子元素/子子元素...";//获取相对当前路径元素里面的子元素的选取
  
  String xpath2="./子元素/子子元素";//"./"代表当前元素路径位置
  
  String xpath3="/子元素/子子元素";//功能与xpath1格式功能一样
  

  相对路径就是相对当前节点元素位置继续查找节点，需要使用JXNode.sel（xpath）进行执行相对路径表达式。

全文搜索路径表达式(了解)

• 全文搜索路径介绍

  格式：

  String xpath1="//子元素//子子元素";
  

  一个“/”符号，代表逐级写路径

  2个“//”符号，不用逐级写路径，可以直接选取到对应的节点，是全文搜索匹配的不需要按照逐层级

谓语（条件筛选 了解）

• 介绍

  谓语，又称为条件筛选方式，就是根据条件过滤判断进行选取节点

  格式：

  String xpath1=“//元素[@attr1=value]”;//获取元素属性attr1=value的元素

  String xpath2=“//元素[@attr1>value]/@attr1”//获取元素属性attr1>value的d的所有attr1的值

  String xpath3=“//元素[@attr1=value]/text()”;//获取符合条件元素体的自有文本数据

  String xpath4=“//元素[@attr1=value]/html()”;//获取符合条件元素体的自有html代码数据。

  String xpath5=“//元素[@attr1=value]/allText()”;//获取符合条件元素体的所有文本数据（包含子元素里面的文本）

演示

public class DemoXpath {
    public static void main(String[] args) throws Exception {
        SAXReader reader = new SAXReader();
        Document document = reader.read(Demo.class.getResourceAsStream("/books.xml"));
        //获取所有的book元素
        List<Element> list = document.selectNodes("//book");
        for (Element ele: list) {
            System.out.println(ele.attributeValue("id"));
        }

       //获取id为0002的指定book元素的子标签name的内容
        Element ele = (Element)document.selectSingleNode("//book[@id='0002']/name");
        System.out.println(ele.getText());
    }
}

笔记摘自B站深入学习Java编程-黑马