Java中XML的解析

第一章 XML概述

1.1 XML介绍

1.1.1 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。

1.1.2 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。

1.1.3 XML文件案例编写person.xml文件

1.1.3.1 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。

1.1.3.2 效果

使用浏览器运行person.xml文件效果如下

1.1.3.3 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“”，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

1.2 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）

1.3 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。

1.3.1 文档声明

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

使用IDE创建xml文件时就带有文档声明.
文档声明必须为<?xml开头，以？>结束
文档声明必须从文档的0行0列位置开始
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；

1.3.2 元素element

格式1:<person></person>
格式2:<person/>

元素是XML文档中最重要的组成部分；
普通元素的结构由开始标签、元素体、结束标签组成。
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>
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/>
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
格式化良好的XML文档，有且仅有一个根元素。

1.3.3 属性

<person id="110">

属性是元素的一部分，它必须出现在元素的开始标签中
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
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
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

1.3.4 注释

<!--注释内容-->

XML的注释与HTML相同，既以结束。

1.3.5 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 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>

1.3.6 字符区(了解)

<![CDATA[文本数据
]]>

CDATA 指的是不应由 XML 解析器进行解析的文本数据（Unparsed Character Data）
CDATA 部分由 “<![CDATA[" 开始，由 "]]>” 结束；
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。

1.4 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:对于约束的要求是能通过已写好的约束文件编写xml文档.了解即可

1.4.1 DTD约束

1.4.1.1 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。

1.4.1.2 约束体验

步骤1：新建bookshelf.dtd文件，选择项目鼠标右键“NEW->File",文件名为“bookshelf.dtd”

步骤2：bookshelf.dtd文件内容如下

<!ELEMENT 书架 (书+)>
<!ELEMENT 书 (书名,作者,售价)>
<!ELEMENT 书名 (#PCDATA)>
<!ELEMENT 作者 (#PCDATA)>
<!ELEMENT 售价 (#PCDATA)>

步骤3：新建books.xml，代码如下

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE 书架 SYSTEM "bookshelf.dtd">
<书架><书><书名>JavaEE SSM</书名><作者>NewBoy</作者><售价>30</售价></书><书><书名>人鬼情喂鸟</书名><作者>李四</作者><售价>300</售价></书>
</书架>

步骤4：idea开发工具books.xml的dtd约束验证不通过的效果

1.4.2 schema约束

1.4.2.1 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。

1.4.2.2 使用

步骤1：新建schema约束文件bookshelf.xsd，对售价约束数据类型，代码如下：

<?xml version="1.0" encoding="UTF-8" ?>
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema"targetNamespace="http://www.itcast.cn"><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

<根元素 xmlns="命名空间" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="命名空间 xsd约束文件名">
</根元素>

book2.xml

<?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"><书><书名>JavaEE</书名><作者>张三</作者><售价>39</售价></书><it:书><书名>西游记</书名><作者>吴承恩</作者><售价>3000</售价></it:书>
</书架>

步骤3：违反约束，开发工具提示效果

第二章 xml解析

2.1 XML解析

2.1.1 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。

2.1.2 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)

2.2 XML文档生成DOM树原理

2.2.1 介绍

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。

2.2.2 XML文件

<?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>

XML文件document文档对象树DOM树

2.2.3 生成的DOM树

由于DOM方式解析XML文档所有都是节点Node，所有节点又都被封装到Document对象中，所以解析的重点就是获取Document对象。

第三章 Java中的XML解析

3.1 Dom4j的基本使用

3.1.2 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

3.1.3方法演示

注意引入jar

https://github.com/shixiaochuangjob/markdownfile/tree/main/20240812/lib

“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.

package com.xml.dom4j;import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;import java.util.List;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 booksElement elemRoot = document.getRootElement();// 获取根元素的所有子元素 bookList<Element> list = elemRoot.elements();// 遍历集合 获取每一个bookfor (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,saleList<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);}}}
}

3.2 DOM的基本使用

<?xml version="1.0" encoding="UTF-8"?>
<persons><person id="1"><name>张三</name><sex>男</sex><age>30</age><birthday>2000-12-12</birthday>	</person><person id="2"><name>李四</name><sex>男</sex><age>35</age><birthday>2001-12-12</birthday></person><person id="3"><name>王五</name><sex>男</sex><age>33</age><birthday>2008-12-12</birthday></person><person id="4"><name>老六</name><sex>男</sex><age>50</age><birthday>2010-12-12</birthday></person><person id="5"><name>田七</name><sex>女</sex><age>30</age><birthday>2002-12-12</birthday></person>
</persons>

package com.xml.dom;import java.io.InputStream;import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NamedNodeMap;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;public class DomTest {public static void main(String[] args) {try {// 定义了一个DocumentBuilder工厂实例。DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();// 利用这个工厂，生产DocumentBuilder实例。DocumentBuilder documentBuilder = factory.newDocumentBuilder();// 指定xml文件， 并绑定一个流。InputStream inputStream = Thread.currentThread().getContextClassLoader().getResourceAsStream("persons.xml");// 调用parse的方法，来指定xml文件。Document document = documentBuilder.parse(inputStream);// 通过document对象获取到根元素。Element rootElement = document.getDocumentElement();  // 根元素---->persons元素// 获取persons下的所有的person元素。  5个person的Node节点。NodeList personsNodeList = rootElement.getElementsByTagName("person");for (int i = 0; i < personsNodeList.getLength(); i++) {// 这是一个person节点。Node personNode = personsNodeList.item(i);// 通过节点Node获取这个节点中所有的属性集合。NamedNodeMap attrs = personNode.getAttributes();for (int j = 0; j < attrs.getLength(); j++) {Node attrNode = attrs.item(j);String attrName = attrNode.getNodeName();String attrValue = attrNode.getNodeValue();System.out.println(attrName + "=" + attrValue);}// 解决person节点下的所有的子元素｜子节点。NodeList childsNodeList = personNode.getChildNodes();// 在childsNodeList中存在元素节点（4）和 5个空文本节点。for (int k = 0; k < childsNodeList.getLength(); k++) {Node childNode = childsNodeList.item(k);// 过滤其中的元素节点。if (childNode.getNodeType() == Node.ELEMENT_NODE) {// 既然是元素节点，我们就可以将node强制转换为element对象。Element childElement = (Element) childNode;// Element对象可以比较方便的获取到标签的名称和标签中的文本内容。String name = childElement.getTagName();String value = childElement.getTextContent();System.out.println(name + "------" + value);}}}} catch (Exception e) {e.printStackTrace();}}}

3.3 jdom的基本使用

https://github.com/shixiaochuangjob/markdownfile/tree/main/20240812/lib

package com.xml.jdom;import java.io.InputStream;
import java.util.List;import org.jdom.Attribute;
import org.jdom.Document;
import org.jdom.Element;
import org.jdom.input.SAXBuilder;public class JdomTest {/*** JDOM解析xml的运用：* <p>* 1、JDOM是第三方的开源组件，就意味着需要导入jar包。* 2、JDOM仅仅只能是运用于java的开发平台下。* 3、内部有关元素和属性的处理都是基于Collection的结构。*/public static void main(String[] args) {try {SAXBuilder saxBuilder = new SAXBuilder();// 创建一个流并绑定xml文件。InputStream in = Thread.currentThread().getContextClassLoader().getResourceAsStream("persons.xml");// 获得xml所对应的document文档结构。 xml文件----->Dom树Document document = saxBuilder.build(in);// 首先获取到根元素。Element rootElement = document.getRootElement(); // persons元素。// 获取根元素中的子元素。List<Element> personsElementList = rootElement.getChildren(); // persons元素下的子元素person。System.out.println(personsElementList.size());for (Element personElement : personsElementList) {// 针对personElement获取内部的属性。List<Attribute> attrsList = personElement.getAttributes();for (Attribute attr : attrsList) {String attrName = attr.getName();String attrValue = attr.getValue();System.out.println(attrName + "=" + attrValue);}// 再解决personElement下的所有的子元素的内容。List<Element> childsElementList = personElement.getChildren();for (Element childElement : childsElementList) {String tagName = childElement.getName();String tagValue = childElement.getValue();System.out.println(tagName + "-----" + tagValue);}}} catch (Exception e) {e.printStackTrace();}}
}

3.4 sax的基本使用

package com.xml.sax;import java.io.InputStream;import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;public class SaxTest {public static void main(String[] args) {try {// 创建一个Sax解析器的工厂。SAXParserFactory factory = SAXParserFactory.newInstance();// 通过工厂产生一个Sax解析器对象。SAXParser saxParser = factory.newSAXParser();// 指定xml文件，并获取相应的流。InputStream inputStream = Thread.currentThread().getContextClassLoader().getResourceAsStream("persons.xml");// 创建一个DefaultHandler对象。MyHandler dh = new MyHandler();// 执行解析。saxParser.parse(inputStream, dh);  // 在加载xml文件的过程中，dh对象中的那些事件方法都会一一的被触发。} catch (Exception e) {e.printStackTrace();}}
}// 自定义一个类，继承DefaultHandler类。重写其中的5个方法。
class MyHandler extends DefaultHandler {@Overridepublic void startDocument() throws SAXException {super.startDocument();System.out.println("----xml文档的开始-----");}@Overridepublic void startElement(String uri, String localName, String qName,Attributes attributes) throws SAXException {if ("person".equals(qName)) {// 取出person元素中的属性的值。--------使用attributes对象处理当前这个元素中的属性。int len = attributes.getLength();for (int i = 0; i < len; i++) {String attName = attributes.getQName(i);String attValue = attributes.getValue(i);System.out.println(attName + "=" + attValue);}}}@Overridepublic void characters(char[] ch, int start, int length)throws SAXException {// 获取元素中所包含的内容信息。String content = new String(ch, start, length);System.out.println(content.trim());}@Overridepublic void endElement(String uri, String localName, String qName)throws SAXException {System.out.println("----xml中任意的一个元素的结束-----");}@Overridepublic void endDocument() throws SAXException {super.endDocument();System.out.println("----xml文档的结束-----");}
}