在Java中对XML的简单应用

XML 数据传输格式

1 XML 概述

1.1 什么是 XML

• XML 指可扩展标记语言（EXtensible Markup Language）。
• XML 是一种很像HTML的标记语言。
• XML 的设计宗旨是传输数据，而不是显示数据。
• 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。
• XML 是 W3C 的推荐标准

1.2 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。

**注意：**XML 不会做任何事情。XML 被设计用来结构化、存储以及传输信息。

1.3 XML 不是对 HTML 的替代

XML 是对 HTML 的补充。

XML 不会替代 HTML，理解这一点很重要。在大多数 web 应用程序中，XML 用于传输数据，而 HTML 用于格式化并显示数据。

对 XML 最好的描述是：XML 是独立于软件和硬件的信息传输工具。

2 XML 语法

2.1 基本语法

1. XML 文档的后缀名必须为.xml

2. XML 第一行必须定义为文档声明

   <?xml version='1.0' ?>

3. XML 文档有且仅有一个根元素

   XML 文档必须有一个元素是所有其他元素的父元素。该元素称为根元素。

   <root><child><subchild>.....</subchild></child>
   </root>
   

4. XML 的属性值须加引号

   在 XML 中，XML 的属性值须加引号。请研究下面的两个 XML 文档。第一个是错误的，第二个是正确的：

   <!-- 这是错误的 -->
   <note date=08/08/2008>
   <to>George</to>
   <from>John</from>
   </note> 
   

   <!-- 这是正确的 -->
   <note date="08/08/2008">
   <to>George</to>
   <from>John</from>
   </note> 
   

5. 所有 XML 元素都须有关闭标签

   在 XML 中，省略关闭标签是非法的。所有元素都必须有关闭标签：

   <p>This is a paragraph</p>
   <p>This is another paragraph</p>  
   

   **注意：**XML 声明没有关闭标签。这不是错误。声明不属于XML本身的组成部分。它不是 XML 元素，也不需要关闭标签。

6. XML 标签对大小写敏感

   XML 元素使用 XML 标签进行定义。

   XML 标签对大小写敏感。在 XML 中，标签 <Letter> 与标签 <letter> 是不同的。

   必须使用相同的大小写来编写打开标签和关闭标签：

   <Message>这是错误的。</message><message>这是正确的。</message> 
   

7. XML 必须正确地嵌套

   在 XML 中，所有元素都必须彼此正确地嵌套：

   <b><i>This text is bold and italic</i></b>
   

   在上例中，正确嵌套的意思是：由于 <i> 元素是在<b>元素内打开的，那么它必须在<b>元素内关闭。

8. XML 会保留空格

   在 XML 中，文档中的空格不会被删节。

2.2 快速入门

<?xml version='1.0' ?>
<users><user id='1'><name>zhangsan</name><age>23</age><gender>male</gender><br/></user><user id='2'><name>lisi</name><age>24</age><gender>female</gender></user>
</users>

2.3 组成部分

2.3.1 文档声明

格式

<?xml 属性列表 ?>

属性

• version：版本号 必须添加
• encoding：编码方式 告知解析引擎当前文档使用的字符集，默认值：ISO-8859-1
• standalone：是否独立
  • 取值：
    • yes: 不依赖其他文件
    • no: 依赖其他文件

2.3.2 指令（了解）：结合CSS

<?xml-stylesheet type="text/css" href="a.css" ?>

2.3.3 元素

XML 命名规则

XML 元素必须遵循以下命名规则：

• 名称可以含字母、数字以及其他的字符
• 名称不能以数字或者标点符号开始
• 名称不能以字符 “xml”（或者 XML、Xml）开始
• 名称不能包含空格

可使用任何名称，没有保留的字词。

2.3.4 属性

注意： id属性值唯一

---

XML 元素 vs. 属性

请看这些例子：

<person sex="female"><firstname>Anna</firstname><lastname>Smith</lastname>
</person> <person><sex>female</sex><firstname>Anna</firstname><lastname>Smith</lastname>
</person>

在第一个例子中，sex 是一个属性。在第二个例子中，sex 则是一个子元素。两个例子均可提供相同的信息。

没有什么规矩可以告诉我们什么时候该使用属性，而什么时候该使用子元素。我的经验是在 HTML 中，属性用起来很便利，但是在 XML 中，应该尽量避免使用属性。如果信息感觉起来很像数据，那么请使用子元素吧。

2.3.5 文本

CDATA 区段（CDATA section）

术语 CDATA 指的是不应由 XML 解析器进行解析的文本数据（Unparsed Character Data）。

在 XML 元素中，“<” 和 “&” 是非法的。

“<” 会产生错误，因为解析器会把该字符解释为新元素的开始。

“&” 也会产生错误，因为解析器会把该字符解释为字符实体的开始。

某些文本，比如 JavaScript 代码，包含大量 “<” 或 “&” 字符。为了避免错误，可以将脚本代码定义为 CDATA。

CDATA 部分中的所有内容都会被解析器忽略（原样展示）。

CDATA 部分由 <![CDATA[ 开始，由 ]]> 结束：

<![CDATA[function matchwo(a,b) {if (a < b && a < 0) then {return 1;}else {return 0;}}
]]>

在上面的例子中，解析器会忽略 CDATA 部分中的所有内容。

关于 CDATA 部分的注释：

• 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。

2.4 XML 约束

约束简单来说就是规定 XML 文档的书写规则

对约束的图解：

作为框架的使用者(程序员) 要求：

1. 能够在 XML 中引入约束文档
2. 能够简单的读懂约束文档

2.4.1 XML DTD （简单）

文档类型定义（DTD）可定义合法的XML文档构建模块。它使用一系列合法的元素来定义文档的结构。

DTD 可被成行地声明于 XML 文档中，也可作为一个外部引用。

DTD 的引入

内部DTD：将约束规则定义在XML文档中

外部DTD：将约束的规则定义在外部的DTD文件中

- 本地：`<!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">`
- 网络：`<!DOCTYPE 根标签名 PUBLIC "dtd文件名字" "dtd文件的位置URL">`

2.4.2 XML Schema （复杂）

Schema 的引入

1. 填写xml文档的根元素
2. 引入xsi前缀 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
3. 引入xsd文件命名空间 xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"
4. 为每一个xsd约束声明一个前缀,作为标识 xmlns="http://www.itcast.cn/xml"

<students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xmlns="http://www.itcast.cn/xml"xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd">

3 XML 解析

3.1 什么是 解析 XML

3.1.1 操作 XML 文档

3.1.2 解析 XML 的方式

DOM: 将标记语言文档一次性加载进内存，在内存中形成一颗DOM树。

• 优点：操作方便，可以对文档进行CRUD的所有操作
• 缺点：占内存

---

SAX: 逐行读取，基于事件驱动的。

• 优点：不占内存
• 缺点：只能读取，不能增删改

注意：DOM一般用于服务器端，SAX一般用于移动端

3.2 XML 常见的解析器

JAXP: sun公司提供的解析器，支持dom和sax两种方式。

DOM4j: DOM4j是一个开源的，基于Java的库来解析XML文档，它具有高度的灵活性，高性能和内存效率的API。

Jsoup: Jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。

PULL: Android操作系统内置的解析器，sax方式的。

3.3 Jsoup

3.3.1 快速入门

步骤：

1. 导入jar包 : jsoup-版本号.jar,JsoupXpath-版本号.jar
2. 获取Document对象
3. 获取对应的标签Element对象
4. 获取数据

示例代码：

 public static void main(String[] args) throws IOException {//获取Document对象，根据xml文档获取//获取student.xml的path路径String path = JsoupDemo01.class.getClassLoader().getResource("student.xml").getPath();//解析xml文档，加载文档进内存，获取dom树   --->documentDocument document = Jsoup.parse(new File(path), "utf-8");//获取元素对象Elements elements = document.getElementsByTag("name");//获取第一个name的element对象Element element = elements.get(0);//获取文本内容String name = element.text();System.out.println(name);}

3.3.2 对象的使用

3.3.2.1 Jsoup

Jsoup: 工具类，可以解析html或xml文档，返回Document

parse() 用法：

parse() 解析html或xml文档，返回Document

• parse(File in, String charsetName)：解析xml或html文件的。
• parse(String html)：解析xml或html字符串
• parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象

示例代码：

public static void main(String[] args) throws IOException {//获取student.xml的path路径String path = JsoupDemo02.class.getClassLoader().getResource("student.xml").getPath();//解析xml文档，加载文档进内存，获取dom树   --->document/*Document document = Jsoup.parse(new File(path), "utf-8");System.out.println(document);*///parse(String html):解析html字符串String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +" <students>\n" +" \t<student number=\"heima_0001\">\n" +" \t\t<name>tom</name>\n" +" \t\t<age>16</age>\n" +" \t\t<sex>male</sex>\n" +" \t</student>\n" +"\t<student number=\"heima_0002\">\n" +"\t\t<name>claier</name>\n" +"\t\t<age>18</age>\n" +"\t\t<sex>female</sex>\n" +"\t</student>\n" +"\t\t \n" +" </students>";/*Document document = Jsoup.parse(str);System.out.println(document);*///parse(URL url,int timeoutMillis),通过网络路径获取指定的HTML的文档对象URL url = new URL("https://baike.baidu.com/item/jsoup/9012509?fr=aladdin");//代表网络中的一个资源网络Document document = Jsoup.parse(url, 10000);System.out.println(document);
}

3.3.2.2 Document

Document：文档对象。代表内存中的dom树

获取Element对象：

• getElementById(String id)：根据id属性值获取唯一的element对象
• getElementsByTag(String tagName)：根据标签名称获取元素对象集合
• getElementsByAttribute(String key)：根据属性名称获取元素对象集合
• getElementsByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合

示例代码：

public static void main(String[] args) throws IOException { //获取student.xml的path路径String path = JsoupDemo03.class.getClassLoader().getResource("student.xml").getPath();//获取document对象Document document = Jsoup.parse(new File(path), "utf-8");//获取元素对象 //1.获取所有的student对象Elements elements = document.getElementsByTag("student");
//        System.out.println(elements);//2.获取属性名为id的元素对象们Elements elements1 = document.getElementsByAttribute("id");
//        System.out.println(elements1);//3.获取number属相值为heima_0001的元素对象Elements elements2 = document.getElementsByAttributeValue("number", "heima_0001");
//        System.out.println(elements2);//4.获取id属性值的元素Element element = document.getElementById("1");System.out.println(element);
}

3.3.2.3 Element

Element: 元素对象

1. 获取子元素对象：

   • getElementById(String id): 根据id属性值获取唯一的element对象
   • getElementsByTag(String tagName): 根据标签名称获取元素对象集合
   • getElementsByAttribute(String key): 根据属性名称获取元素对象集合
   • getElementsByAttributeValue(String key, String value): 根据对应的属性名和属性值获取元素对象集合

2. 获取属性值：

   • String attr(String key)：根据属性名称获取属性值

3. 获取文本内容：

   • String text(): 获取文本内容

   • String html(): 获取标签体的所有内容(包括字标签的字符串内容)

示例代码：

public static void main(String[] args) throws IOException { //获取student.xml的path路径String path = JsoupDemo04.class.getClassLoader().getResource("student.xml").getPath();//获取document对象Document document = Jsoup.parse(new File(path), "utf-8");//获取元素对象 //通过Document对象获取name标签，它是获取所有的name标签，本案例可以获取到两个Elements elements = document.getElementsByTag("name");System.out.println(elements.size());//通过Element对象或去子标签对象Element element_student = document.getElementsByTag("student").get(0);Elements ele_stu_name = element_student.getElementsByTag("name");System.out.println(ele_stu_name);System.out.println(ele_stu_name.size());//获取student对象的属性值String number = element_student.attr("number");System.out.println(number); System.out.println("--------------");//获取文本内容 //获取所有子标签的纯文本内容String text = ele_stu_name.text();System.out.println(text);//获取标签体的所有内容（包括子标签的标签和文本内容）String html = ele_stu_name.html();        System.out.println(html);
}

3.3.2.4 Elements

Elements: 元素Element对象的集合。

可以当作ArrayList<Element>来使用

3.3.2.5 Node

Node: Element 和 Document 的父类

3.4 快捷查询方式

3.4.1 Selector 选择器

使用方法：Elements select(String cssQuery)

语法：参考 Selector 类中定义的语法

示例代码：

public static void main(String[] args) throws IOException { //获取student.xml的path路径String path = JsoupDemo05.class.getClassLoader().getResource("student.xml").getPath();//获取document对象Document document = Jsoup.parse(new File(path), "utf-8");//获取元素对象//获取name标签Elements elements = document.select("name");System.out.println(elements); System.out.println("-------------");//查询id为1的元素Elements elements1 = document.select("#1");System.out.println(elements1); System.out.println("-------------");//获取student标签且number属性值为heima_0001的age子标签//获取student标签且number属性值为heima_0001Elements elements2 = document.select("student[number='heima_0001']");System.out.println(elements2);System.out.println("-------------");//获取student标签且number属性值为heima_0001的age子标签Elements elements3 = document.select("student[number='heima_0001'] age");System.out.println(elements3);
}

3.4.2 XPath 选择器

XPath 即为XML路径语言，它是一种用来确定XML（标准通用标记语言的子集）文档中某部分位置的语言

注意：

• 使用 Jsoup 的 Xpath 需要额外导入jar包
• 查询 W3Cshool 参考手册，使用 xpath 的语法完成查询

示例代码：

public static void main(String[] args) throws IOException, XpathSyntaxErrorException { //获取student.xml的path路径String path = JsoupDemo06.class.getClassLoader().getResource("student.xml").getPath();//获取document对象Document document = Jsoup.parse(new File(path), "utf-8");//根据document对象创建JXDocumentJXDocument jxDocument = new JXDocument(document);//结合xpath语法查询//查询所有的student标签List<JXNode> jxNodes = jxDocument.selN("//student");for (JXNode jxNode : jxNodes) {System.out.println(jxNode);} System.out.println("----------");//查询所有student标签下的name标签List<JXNode> jxNodes1 = jxDocument.selN("//student/name");for (JXNode jxNode : jxNodes1) {System.out.println(jxNode);} System.out.println("-----------");//查询student标签下带有id属性的name标签List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");for (JXNode jxNode : jxNodes2) {System.out.println(jxNode);} System.out.println("-------------");//查询student标签下带有id属性的name标签并且id属性值为1List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id='1']");for (JXNode jxNode : jxNodes3) {System.out.println(jxNode);}System.out.println("-------------");}