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:

<?xml version="1.0" encoding="UTF-8"?>
<person id="110">
	<age>18</age>		<!--年龄-->
	<name>张三</name>	  <!--姓名-->
	<sex/>				<!--性别-->
</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

<?xml version="1.0" encoding="utf-8" ?>
  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<?xml开头,以?>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:<person><name>张三</name></person>
  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:<sex/>
  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

<!--注释内容-->

XML的注释与HTML相同,既以<!--开始,-->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
< &lt; 小于
> &gt; 大于
" &quot; 双引号
&apos; 单引号
& &amp; 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 then</message>

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 &lt; 1000 then</message>

字符区(了解)

<![CDATA[
	文本数据
]]>
  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 “<![CDATA[" 开始,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

<!ELEMENT 书架 (书+)>
<!ELEMENT 书 (书名,作者,售价)><!--约束元素书的子元素必须为书名、作者、售价-->
<!ELEMENT 书名 (#PCDATA)>
<!ELEMENT 作者 (#PCDATA)>
<!ELEMENT 售价 (#PCDATA)>

步骤三:新建books.xml,代码如下

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE 书架 SYSTEM "bookshelf.dtd"><!--指定使用bookshelf.dtd文件约束当前xml文档-->
<书架>
    <>
        <书名>JavaWeb开发教程</书名>
        <作者>张孝祥</作者>
        <售价>100.00元</售价>
    </>
    <>
        <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><!--不符合约束,书的子元素必须为书名、作者、售价-->
    </>
</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。

    <?xml version="1.0" encoding="UTF-8"?>
    <!DOCTYPE 根元素 [...//具体语法]><!--内部DTD-->
    <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。

    <?xml version="1.0" encoding="UTF-8"?>
    <!DOCTYPE 根元素 SYSTEM "bookshelf.dtd"><!--外部本地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.

    <?xml version="1.0" encoding="UTF-8"?>
    <!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

    <!ELEMENT 父标签 (子标签1,子标签2,…)>
    

    代码

    <!ELEMENT 书架 (书+)>  <!--约束根元素是"书架","书架"子元素为"书",“+”为数量词,请看下面介绍-->
    <!ELEMENT 书 (书名,作者,售价)><!--约束"书"子元素依次为“书名”、“作者”、“售价”,“+”书元素至少1次-->
    
  2. 约束元素体里面的数据

    语法

    <!ELEMENT 标签名字 标签类型>
    

    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<hr/>
    ANY ANY 即任意类型

    代码

    <!ELEMENT 书名 (#PCDATA)>  	<!--"书名"元素体为字符串数据-->
    <!ELEMENT 作者 (#PCDATA)>		<!--"作者"元素体为字符串数据-->
    <!ELEMENT 售价 (#PCDATA)>		<!--"售价"元素体为字符串数据-->
    <!ELEMENT 出版日期 ANY>		   <!--"出版日期"元素体为任意类型-->
    <!ELEMENT 版本号 EMPTY>		<!--"版本号"元素体为空元素-->
    
  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

<!ATTLIST 标签名称 
		属性名称1 属性类型1 属性说明1
		属性名称2 属性类型2 属性说明2
		…
>

属性类型

属性类型 含义
CDATA 代表属性是文本字符串, eg:<!ATTLIST 属性名 CDATA 属性说明>
ID 代码该属性值唯一,不能以数字开头, eg:<!ATTLIST 属性名 ID 属性说明>
ENUMERATED 代表属性值在指定范围内进行枚举 Eg:<!ATTLIST属性名 (社科类|工程类|教育类) “社科类”> “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

<!ATTLIST 书									<!--设置"书"元素的的属性列表-->
		id ID #REQUIRED						 <!--"id"属性值为必须有-->
		编号 CDATA #IMPLIED				    <!--"编号"属性可有可无-->
		出版社 (清华|北大|传智播客) "传智播客"   <!--"出版社"属性值是枚举值,默认为“传智播客”-->
		type CDATA #FIXED "IT"                <!--"type"属性为文本字符串并且固定值为"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

<?xml version="1.0" encoding="UTF-8" ?>
<!--
	传智播客DTD教学实例文档.将注释中的以下内容复制到要编写的xml的声明下面
	复制内容如下:
	<书架 xmlns="http://www.itcast.cn"
		  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
		  xsi:schemaLocation="http://www.itcast.cn bookshelf.xsd"
    >
 -->
<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='' >
                                        <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

<?xml version="1.0" encoding="UTF-8"?>
<书架
xmlns="http://www.itcast.cn"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.itcast.cn bookshelf.xsd"
><!--指定schema文档约束当前XML文档-->
    <>
        <书名>JavaScript网页开发</书名>
        <作者>张孝祥</作者>
        <售价>abc</售价>
    </>
</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.*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"    
 	<!-- 缺省的名称空间.使用此约束中的元素的时候只需要写元素名即可 例如:<书></书> -->
 
 xmlns:aa="http://java.sun.com"
 	<!-- aa就是此约束的别名,使用此约束中的元素的时候就需要加上别名 例如:<aa:书></aa:书> -->

​ 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。

    <?xml version="1.0" encoding="UTF-8"?>
    <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:

<!-- dom4j -->
<dependency>
    <groupId>org.dom4j</groupId>
    <artifactId>dom4j</artifactId>
    <version>2.1.1</version>
</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:

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

猜你喜欢

转载自blog.csdn.net/weixin_44773109/article/details/128314998