java系统学习（十五） --------xml基础
XML的产生及于HTML的比较
XML的产生
XML的全称是"Extensible Markup Language"，是可扩展的标记语言。为什么说它是可扩展的?它又扩展谁?其实它由标准通用标记语言(Standard Generalized Markup Language,SGML)扩展而来的，XML是SGML的简化版本。
SGML功能非常强大，可以定义标记语言的元语言。由于它非常复杂，不适合在Web上应用，所以将其扩展为在互联网上应用的XML语言。
HTML是一种标记语言，在HTML里面有很多标记，而XML允许创建自己的标记。XML并不是标记语言，它是用来创建标记语言的元语言。XML不是HTML的替代品，也不是HTML的升级，它只是HTML的补充，为HTML扩展更多的功能。
XML用来定义类似HTML的标记语言，然后再用这个标记来显示信息。那么XML有什么优点呢?
现在网络应用越来越广泛，仅靠HTML单一的文件类型，处理千变万化的文档和数据已经力不从心。HTML的语法十分不严谨，而XML作为Web 2.0必需的数据传输和交互工具，其语法非常严谨。XML使得在网络上使用SGML语言变得更加简单和直接。
XML与HTML的比较
HTML
<html>
<head>
<!--设置标题-->
<tit1e>静夜思</title>
</head>
<body>
<!--输出标题文字-->
<h2)
<Font size=3 Color="read">静夜思</Font>
</h2>
<!--输出普通文字-->
<b>作者:李白</b><br>
<hr Color="blue">
<!--输出段落文字-->
<p>
<b><i>
<Font size=3 Color="green">
床前明月光，疑是地上霜。
<br>
举头望明月，低头思故乡。
</Font>
</i>
</b>
</body>
</html>
XML
<?xml version="1.0" encoding="gb2312"?>
<人物>
令狐冲
<!--这是一个令无数少女为之倾倒的偶像-->
<籍贯>华山</籍贯>
<性别>男</性别>
<年龄>24</年龄>
</人物>
通过上面两个实例可以看出，HTML必须按照规定的标签书写，不能够自己创造。而XML中可以自己创造标签。
XML文档
XML文档由实体(存储单元)组成，用来定义标签的标记语言，可用来定义自己所需要的标签集。HTML只支持英文标签，而XML可以支持多种语言的标签。
现在把整个文档进行划分，可以看出一个文档(包括HTML文档)总共分为3个部分，也可以说是3大要素，即文档数据、文档结构、文档样式。
下面以HTML为例分析文档的3要素。
<table border=2 align=center> //文档样式
<caption>清华大学菜价表</caption>
<tr>
<td align=center>鱼香肉丝</td>
<td align=center>3.50</td> //文档数据
</tr>
</table> //文档结构
为了能够让XML的文档具有可读性，XML文档采取了数据与文档样式分离的原则。XML文档只提供数据，而XSL包括数据样式，文档的结构则使用DTD。
XML的声明
在一个完整的XML文档中必须包含一个XML文档声明，该声明必须位于文档的第一行。
这个声明表示该文档是一个XML文档，以及遵循的是哪个XML版本的规范。那么如何进行声明呢?声明的语法如下:
<?xml 版本信息 (编码信息) (文档独立性信息) ?>
分别解释每个元素的含义。
口版本信息:是指XML目前使用的是1.0版还是1.l版，一般用1.0版本。
口编码信息:就是指定文档使用的是何种编码格式。如果使用中文编码格式，则可用"encoding='gb2312'"};如果不设定编码信息、，默认使用英文编码格式。
口文档独立性信息:文档独立指当前文档是否依赖外部文档。如果依赖可以通过下列方式
表示:"standalone= 'yes'":如果不独立，将通过下列方式表示:"standalone= 'no'"
根据以上面的介绍，下面举一个实例演示XML文档的声明。
<?xm1 version=1.0 encoding="gb2312" standalone="yes"?>
文档类型的声明
在介绍文档类型声明时，涉及一个概念:DTD。所谓DTD ,就是一种保证XML文档格式正确的有效方法，可以通过校验XML文档内容来验证其是否符合规范，元素和标签使用是否正确，这就是DTD的作用。
文档类型的声明共有两种:
口在其他文件中定义文档类型。
<!DocTYPE MYDOC SYSTEM "mydoc .dtd">此句指出该文档类型名为MYDOC，这时如果对文档结构不是很清楚，必须要查询"mydoc.dtd”文档才能知道。
口在XML文档中直接定义文档类型。
<!DocTYPE BIRDS [<!ELEMENT AUCTIONBLOCK(ITEM,BIRDS)>]>上述代码像前面的实例一样，直接在XML文档中定义文档结构。
元素
与HTML一样，XML文档的主体内容部分也是由元素构成的，一个XML元素由一个标记来定义。为了让读者能更好地掌握元素，在讲述每个元素内容时，都会配有相应实例。
非空元素构成
元素=起始标签+元素内容+结束标签，代码如下所示。 <BID ID=200138>
<PRICE>60000</PRICE>
<TIME>3:00:00</TIME>
</B工D>
字符数据段
这段字符数据只是出现在文档内部，但在输出时，XML程序不对其作何操作，它将被原封不动地输出。字符数据段的用处是，在某些应用环境下，希望嵌入HTML文本，而程序员不希望XML对其进行修改，只想传递这些文本和脚本。其表示方法如下:
字符数据段="<![CDATA["+字符数据+"]]>"例子：
<?xml version=1.0 encoding="gb2312"?>
<root>
<![CDATA[<html><head></head><body>我是一个优秀的程序员</body></html>
]]>
</root>
"<html><head></head><body>我是一个优秀的程序员</body></html>"就是一个字符数据段。
引用
引用是用符号代表指定的内容，或者用符号代表不能直接使用的其他符号。其分为实体引用和字符引用。实体引用就是用一个符号代替一段很长的内容，解析时又会被还原成原来的字符实体;而字符引用就是将一些字符及键盘上无法输入的字符，用字符引用。引用的格式如下:
口实体引用:“&”+实体引用名+“:”。例如:&company
口字符引用:“&#”+字符的十六进制或十进制的ASCII值+“;”。例如:®
下面是有关引用的实例。
<?xml version=1 .0 encoding="gb2312"?>
<!DOCTYPE 就业信息(<!ENTITY company "上海嘉鉴信息技术有限公司">]>
<就业信息>
<公司名称>&company</公司名称>
</就业信息>
注释
注释比较简单.它在代码中所占的重要性.只不过是对代码的一种解释。但是希望读者能养成一种习惯，就是写代码时，要记住在代码旁边给予一定的注释、这样写出来的代码段就比较较容易被他人阅读。注释的格式如下:
<！--注释的内容-->
处理指令
处理指令允许文档中包含由应用程序来处理的指令。即在XML文档中，可能会包含一些非XML格式的数据，这些数据XML无法处理，此时就可以使用处理指令，调用其他的程序来
处理这些数据。例如要处理Excel/CSS
处理指令的语法是以“<?”开头，以“?>”结尾。下面是一个常见的处理指令的实例:
<?xm1-stylesheet href="hello.css" type="text/css"?>
此处的"xml-stylesheet"就是处理指令，它调用Execl或者使用css来处理表格数据，因为这些数据XML无法处理。
空白处理
在XML文档中，可以在元素中使用一个特殊的属性“xml:space"，来通知应用程序保留此元素的空白，在使用时必须要进行声明。"xml:space"属性必须被声明为Enumerated(枚举)类型，它的值必须是"default"和"preserve"两者之一，或者是两者都取。
口default:表示对此元素使用应用程序的默认空白处理模式。
口preserve:指示应用程序保留所有的空白
如果一个元素使用了"xml:space"属性，将适用于该元素内容中的所有元素，除非被另一个个"xml:space"属性的实例所覆盖。
行尾处理
在XML空白字符中，有两个标准的ASCII码行尾控制字符，一个是回车(#xA )，一个是换行(#xD)。在XML处理器解析前，要将所有的两字符序列##xD#xA以及单独的字符都转换成#xA
语言标识
在文档处理中，标识出其内容所使用的自然或人工语言，非常有用。可以在文档中插入一个属性"xml:lang"，来指定文档所使用的语言。
"xml:lang"属性一旦设定，将适合于它所在元素中的所有属性及元素的内客，除非被元素内容中另一个元素的"xml:lang"属性所覆盖。
关于XML的高级知识
什么才是格式良好的XML文档
什么才是格式良好的XML文档呢?如果一个XML文档有且只有一个根元素，符合XML元素的嵌套规则，满足XML规范中所定义的所有格式正确性的约束，每一个已分析实体都格式正确，称之为格式良好的XML文档。
那么需要满足什么样的格式约束才算格式良好的XML，下面给出了详细的说明。
(l)文档必须从XML声明开始。
口XML声明必须位于该文件的最开始位置。
口XML必须紧跟在"<?"之后，中间不能有空格等字符。
(2)唯一的根元素。
口根元素必须唯一。
口根元素嵌套其他所有的后代元素。
口根元素必须有起始标签和结束标签。
口XML文档中的其他非元素节点不一定包含在根元素中。
(3)标签必须是闭合的。
起始标签必须有一个相应的结束标签与之对应。
(4)空标签的约定。
口空标签必须用"/>"来结束。
口空标签可以带有属性。
(5)层层嵌套。
口子元素必须嵌套在父元素内，不能互相交错。
口同层元素必须互相并列，不能互相嵌套。
(6)区分大小写。
起始标签与结束标签大小写必须要分清。
(7)属性设定。
属性赋值时都必须使用引号。
(8)特殊的字符表示法。
预定义实体用实体引用方式。
如果能够满足以上所列出的内容，可以说这篇XML算是格式良好的XML。其实以上列出来的所有项，都是有关语法方面的注意点。XML对语法的要求比较严格，希望读者能够按照相关的语法规则编写XML文档。
DTD文档的作用
DTD (Documnet Type Definition)就是一个规范XML文档结构的文档，其实，它起着规范XML中数据的数据结构的作用。下面将详细讲述如何编写DTD文档。DTD的定义是什么呢?通过以下的说明，学习DTD的规范。
(I)文档类型的定义:定义允许什么或不允许什么在文档中出现。预先规定文档中元素的结构、属性类型和实体引用等，可直接在文档中定义DTD，或引用外部DTD。DTD不一定是必需的，在需要的时候可以定义DTD。
(2) DTD的调用:合法的XML文档必须遵循某一类文档的结构声明，一旦声明就会与此类文档相应结构关联起来。DTD的调用就是指定文档使用什么样的DTD，它出现在文档的XML声明后，基本元素之前。DTD可以包含在XML文档中，也可以在外部定义，然后在XML文档中直接引用。
内部DTD例子
<?xml version="1.0" encoding="gb2312" standalone="yes"?> <!Docutppe 就业信息[<!ELEMENT 就业信息 (#PCDATA)>]> <!-内部定义DTD文件一> <就业信息> 暂无信息 </就业信息>
外部DTD例子
文件名:Jobinfo.dtd <!ELEMENT Jobinfo(#PCDATA)> <?xml version="1.0" encoding="gb2312" standalone="yes"?> <!DOCTYPE Jobinfo SYSTEM "JObinfo.dtd"><卜外部DTD文件一> <就业信息> 暂无信息 </就业信息>
DTD的结构
对于程序员来说，无须自己编写DTD文件和掌握DTD的完整语法，只需要建立对DTD文档的直观认识就可以。为了能够让读者对DTD文档有个大概的了解，下面将简单介绍关于DTD文档的结构，包括元素类型的声明、属性表的声明、实体的声明、记号的声明。
元素类型的声明
元素类型的声明定义元素的名称和元素的内容，定义文档中允许什么元素和不允许什么元素、元素出现的次序。如果没有明确允许，那就是禁止。元素类型声明的语法如下:<!ELEMENT元素(元素内容说明)>
其中元素内容说明有5种形式，分别是EMPTY, ANY,混合内容、#PCDATA、元素内客，
下面将分别讲述它们的使用场所。
口EMPTY:空元素的内容。
口ANY:任意元素的内容。
口混合内容:可以出现字符数据、子元素或者两者的混合体。
口#PCDATA:只能出现字符数据。
口元素内容:只能出现子元素，不能直接出现字符数据。
( 1) #PCDATA的内容。只有字符数据才能作为元素的内容，其声明语法如下:
<!ELEMENT元素名(#PCDATA)>
属性表的声明
属性由"="分割开的属性名值对构成，它只能出现在元素标签的内部，其包含了有关元素的信息。属性表的声明语法如下:<!ATTL工ST 对应的元素名 属性名 属性取值类型 属性默认值>
在XML文档中:
<月薪 货币单位="人民币">6000</月薪>
对应的DTD文档中:
<!ELEMENT 月薪(#PCDATA)>
<!ATTLIST 月薪 货币单位 CDATA "人民币">
属性的取值类型
属性取值类型有很多种，如下所示:口CDATA:可以解析的字符数据。
口Enumerated:枚举型，取值必须从中选出
口ENTITY:在DTD中声明的实体。
口ENTITIES:在DTD中声明的若干个实体。
口ID:取值在文档中必须是唯一的。
口IDREF:文档中某个元素的ID属性值。
口NMTOKEN:任意不含空格的XML名称。
口NMTOKENS:由空格分开的多个XML名称。
口NOTATION ;在DTD中声明的记号名。
默认声明
默认声明可以有4种默认设置:#REQUIRED,#IMPLIED,#FIXED+默认值，默认值。口#REQUIRED ;说明必须为7C素提供该属性。
口#IMPLIED ;说明元素可以包含该属性.也可以不包含该属性。
口#FIXED+默认值:说明一个固定的属性默认值，文档的编写者不能修改该属性的位。
口默认值:同上一种几乎差不多，只不过该属性值可以改变。
记号声明
所谓记号声明就是用记号标识非XML格式数据，应用程序就利用记号来识别和处理数据，记号用于描述非XML格式的数据。在DTD中，NOTATION声明为特殊的数据类侧制作记号。
记号声明的语法如下:
<!NOTITION 记号名 SYSTEM "外部标识">
例如:
<!NOTITION TIFF SYSTEM "Image/tiff">
关于XML文档的操作
到目前为止，如果想利用基于树的思想来操作XML文件，可以使用Dom, JDom和Dom4J组件。大名鼎鼎的Hibernate框架使用Dom4J组件来读取名为hibernate.cfg.xml的XML配置文件。当然还有Sax等组件。我们知道 聊天室的聊天记录就是可以记录成 xml文件的。我们可以使用这些组件进行创建xml文件以及进行解析。下面是一个如何通过Dom4J组件的API来实现解析XML文件的实例。
Dom4jApp.java文件用来实现解析dept.xml文件
Dorn4jApp.java
public class Dom4jApp{
public Dom4jApp()//构造函数
{
}
public static void parseXML()//解析XML文件
{
SAXReader parser=new SAXReader();//获取解析对象
try{
Document doc=parser.read(new File("depts.xml"));
//获取和输出根元素
Element root=doc.getRootElement();//获取根元素对象
String rootName=root.getName();//获取根元素对象名称
System.out.println(rootName);//输出根元素名称
//获取和输出儿子元素
List<Element> list=root.elements();//获取根元素下的儿子对象
//遍历根元素下的儿子对象
for(Element e:list)
{
String eName=e.getName();//获取儿子对象的名字
System.out.println(eName);//输出儿子对象的名称
List<Attribute> atts=e.attributes();//获取当前儿子的属性对象
//遍历儿子对象的属性
for(Attribute att:atts)
{
String attName=att.getName();//获取属性的名字
String attValue=att.getValue();//获取属性的值
System.out.println(attName+"--"+attValue);
}
//获取和输出孙子对象
Iterator<Element> iter=e.elementIterator()://获取孙子对象
//遍历孙子对象
while(iter.hasNext())
{
Element child=iter.next();
String childName=child.getName();//获取孙子对象名称
String childText=child.getText();//获取孙子元素的内容
System.out.println(childName+"---"+childText);
}
}
}catch(Exception e){
e .printStackTrace();
}
}
public static void main(String[]args)//主函数
{
parseXML();//调用parseXML方法
}
}
dept.xml
<?xml version="1.0" encoding="GBK"?>
<depts>
<dept deptid="1"> <!--编号为1的部门记录-->
<deptname>行政部</deptname>
<deptnum>20</deptnum>
<deptdesc>行政相关</deptdesc>
</dept>
</depts>
常见问题
XML和HTML的区别
答:它们之间有着很多共同点和不同点。下面具体分析。
口XML不是要替换HTML，实际上XML可以视作是对HTML的补充。XM和HTML的目标不同:HTML的设计目标是显示数据并集中于数据外观，而XML的设计目标是描述数据并集中干数据的内容。
口与HTML相似，XML不进行任何操作，虽然XML标记可用干描述订单项的结构但它 不包含可用于发送或处理该订单，以及确保按该订单交货的任何代码。程序中必须编写代码，来实际对XML格式数据的操作。
口与HTML不同，XML标记由架构或文档的作者定义，并且是无限制的。HTML标记则是预定义的，HTML作者只能使用当前HTML标准所支持的标记。
XML有哪些显示数据的方式
答:有多种方式可用于显示(或提供)XML数据，数据绑定的机制可与样式表一起使用，
以可视形式展示XML数据，并添加交互性。以下是显示XML的几种方法:
口XSLT-可扩展样式表语言。
口CSS一级联样式表。
口IE浏览器。