XML解析

一，XML概述

1.什么是XML

•  XML即为可扩展的标记语言（eXtensible Markup Language）
•  XML是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识

2.XML和HTML不同之处

• XML主要用于说明文档的主题，而HTML侧重描述文本的显示格式。
• XML文档数据和格式分离，文档=文档数据+文档结构+文档样式

•  XML是一种元标记语言，用户可以自己定义标记集，从而使数据具有自我描述性，而HTML的标记是不能自己定制的。
•  XML支持Unicode字符集

3.Unicode

•  Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及。
•  常用 Unicode
•  UTF-8：以字节为单位对Unicode进行编码 。
•  UTF-16 ：以16位无符号整数为单位 。
•  GB2312：gb2312 出现较早 ，一些汉字和繁体不支持。
•  GBK： 95年重新修订了编码，命名GBK1.0，共收录了21886个符号。
•  之后又推出了GBK18030编码，共收录了27484个汉字，同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字，现在WINDOWS平台必需要支持
• GBK18030编码。

      按照GBK18030、GBK、GB2312的顺序，３种编码是向下兼容，同一个汉字在三个编码方案中是相同的编码。

二，XML文档结构

1.XML元素

（1）规范的XML文档中关于元素的几条原则

•  文档要包含一个或多个元素
•  根元素（文档元素）唯一，且其无任何部分出现在其他元素中
•  元素必须被正确关闭
•  元素不得交叉
•  属性值必须加引号（单引、双引均可）

（2）树形组织结构

• 父元素
• 子元素

2.XML与HTML标签对比

1. xml标签区分大小写(开始标签和结束标签大小必须一致)<tr></tr>
html标签不区分大小写<tr></TR>
2. xml中空元素标签必须被关闭<br/>
html中空元素标签可以不被关闭<br>
3. xml所有标签必须严格嵌套 <b><i></i></b>
html不一定严格嵌套 <b><i></b></i>
4. xml所有标签中的属性值字符必须加(“ ”)或(‘ ’)，包括属性
值为数字时<student tel=‘0108888888’/>（内容有双引号使用
(‘’),内容有单引号使用(“”)）
html属性值不一定用引号括起来 <hr color=blue>
5. xml只能有一个根元素
html可以有多个根元素

3.逻辑结构——XML文档结构

1. XML文档的构成一个格式良好的XML文档要包含三个部分：

• XML声明
• 处理指令（可选）
• XML元素

三，XML解析

1.XML解析

1. 将 XML 数据从其序列化字符串格式转换为分层格式，获取对应信息的过程
2. 语言无关性
3. 常用的四种解析方式

•  DOM
•  SAX
•  JDOM
•  DOM4J

2.DOM解析

1. 优点

•  允许应用程序对数据和结构做出更改
•  访问是双向的，可以在任何时候在树中上下导航，获取和操作任意部分的数据

2. 缺点

•  通常需要加载整个XML文档来构造层次结构，消耗资源大。

3.SAX解析

1. SAX处理的优点非常类似于流媒体的优点，事件驱动
2. 优点

•  不需要等待所有数据都被处理，分析就能立即开始
•  只在读取数据时检查数据，不需要保存在内存中
•  可以在某个条件得到满足时停止解析，不必解析整个文档
•  效率和性能较高，能解析大于系统内存的文档

3. 缺点

•  需要应用程序自己负责TAG的处理逻辑（例如维护父/子关系等），文档越复杂程序就越复杂
•  单向导航，无法定位文档层次，很难同时访问同一文档的不同部分数据
•  无状态性，事件过后查询内容不会自动保存

4.JDOM解析

1. 优点

•  使用具体类而不是接口，简化了DOM的API
•  大量使用了Java集合类，方便了Java开发人员

2. 缺点

•  没有较好的灵活性
•  性能较差

5.DOM4J解析

1. 优点

•  大量使用了Java集合类，方便Java开发人员，同时提供一些提高性能的替代方法
•  支持XPath
•  有很好的性能

2. 缺点

•  大量使用了接口，API较为复杂

3.常用类

•  Document - 表示整个XML文档。文档Document对象是通常被称为DOM树。
•  Element - 表示一个XML元素。 Element对象有方法来操作其子元素，它的文本，属性和名称空间。
•  Attribute - 表示元素的属性。属性有方法来获取和设置属性的值。它有父节点和属性类型。
•  Node - 代表元素，属性或处理指令

4.常用方法

•  SAXReader.read(xmlSource)() - 构建XML源的DOM4J文档。
•  Document.getRootElement() - 得到的XML的根元素。
•  Element.node(index) - 获得在元素特定索引XML节点。
•  Element.attributes() - 获取一个元素的所有属性。
•  Node.valueOf(@Name) - 得到元件的给定名称的属性的值。

5. 文档读取

•  SAXReader reader = new SAXReader();
•  Document document = reader.read(new File(fileName));

6. 获取根节点

•  root = document.getRootElement();

7. 遍历节点

•  for ( Iterator i = root.elementIterator(); i.hasNext(); )
•  Element element = (Element) i.next();

8. 创建xml文档

•  Document document = DocumentHelper.createDocument();
•  Element root = document.addElement("root");

9. 添加元素

•  Element author2 = root.addElement(“student”)
•  .addAttribute("name", “yaoMing")
•  .addAttribute(“age", “20")
•  .addText(“He is a boy");

10. I/O流生成xml文档

•  FileWriter fileWiter = new FileWriter(“XXX.xml"))
•  XMLWriter writer = new XMLWriter(fileWriter);
•  writer.write( document );