JavaWeb XML详解 解析XML

XML

XML的全称是EXtensible Markup Language，可扩展标记语言编写，XML就是编写标签，与HTML非常类似，扩展名.xml。拥有良好的人机可读性。

用途：

• Java程序的配置描述文件
• 用于保存程序产生的数据
• 网络间的数据传输

XML和HTML的区别

• XML与HTML非常相似，都是编写标签，XML的语法严格，HTML语法松散
• XML没有预定义标签，HTML存在大量预定义标签
• XML重在保存与传输数据，HTML用于显示信息

XML文档结构

• 第一行必须是XML声明
• 有且只有一个根节点
• XML标签的书写规则与HTML相同

XML声明

XML声明说明XML文档的基本信息，包括版本号与字符集，写在XML第一行。

<?xml version="1.0" encoding="UTF-8"?> 
1

• version：代表版本号1.0/1.1
• encoding：UTF-8设置字符集，用于支持中文
• standalone：是否独立
  • yes：不依赖其他文件
  • no：依赖其他文件

XML标签书写规则

合法的标签名

• 标签名要有意义
• 建议使用英文小写字母，单词之间使用 - 分割
• 建议多级标签之间不要存在重名的情况

适当的注释与缩进

• 适当的注释与缩进可以让XML文档更容易阅读

合理使用属性

• 标签属性用于描述标签不可或缺的信息
• 对标签分组或为标签设置ID时常用属性表示

有序的子元素

• 在XML多层嵌套的子元素中，标签前后顺序应保持一致

特殊字符与CDATA标签

• 标签体中，出现 < 、> 特殊字符，会破坏文档结构
• 使用实体引用或者CDATA标签

CDATA 指的是不应由 XML 解析器进行解析的文本数据，从 <![CDATA[ 开始，到]]>结束

<?xml version="1.0" encoding="UTF-8" ?>
<!--人力资源管理系统-->
<hr>
    <employee no="3301">
        <name>张三</name>
        <age>30</age>
        <salary>4000</salary>
        <department>
            <dname>市场部</dname>
            <address>xx大厦-B1003</address>
        </department>
    </employee>

    <employee no="3303">
        <name>李四</name>
        <age>28</age>
        <salary>5000</salary>
        <department>
            <dname>财务部</dname>
            <address>xx大厦-B1004</address>
        </department>
    </employee>
</hr>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

XML语义约束

XML文档结构正确，但可能不是有效的。XML语义约束有两种定义方式：DTD与XML Schema。

DTD约束

DTD(Document Type Definition，文档类型定义)是一种简单易用的语义约束方式，DTD文件的扩展名为.dtd。

DTD定义节点

利用DTD中的<!ELEMENT>标签，可以定义XML文档中允许出现的节点及数量：

• <!ELEMENT hr (employee)> employee>：定义hr节点下只允许出现1个employee子节点
• <!ELEMENT employee (name,age,salary,department)>：节点下必须包含以下四个节点，且按顺序出现
• <!ELEMENT name (#PCDATA)>：定义name标签体只能是文本，#PCDATA代表文本元素

如某个子节点需要多次重复出现，则需要在子节点后增加相应的描述符：

• <!ELEMENT hr (employee+)>：hr节点下最少出现1个employee子节点
• <!ELEMENT hr (employee*)>：hr节点下可出现0…n个employee子节点
• <!ELEMENT hr (employee?)>：hr节点下最多出现1个employee子节点

<?xml version="1.0" encoding="UTF-8" ?>
<!ELEMENT hr (employee+)>
<!ELEMENT employee (name,age,salary,department)>
<!ATTLIST employee no CDATA "">
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT salary (#PCDATA)>
<!ELEMENT department (dname,address)>
<!ELEMENT dname (#PCDATA)>
<!ELEMENT address (#PCDATA)>
1
2
3
4
5
6
7
8
9
10

XML引用DTD

在XML中使用<!DOCTYPE>标签来引用DTD文件：

• <!DOCTYPE 根节点 SYSTEM "dtd文件路径">：本地引用
• <!DOCTYPE 根节点 PUBLIC "dtd文件名字" "dtd文件的位置URL">：网络引用

<!DOCTYPE hr SYSTEM "hr.dtd">
1

Schema约束

XML Schema比DTD更为复杂，提供了数据类型、格式限定、数据范围等特性，是 W3C 标准。

• <根节点 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="XML地址" xsi:schemaLocation="XSD地址">：引入

<hr xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:noNamespaceSchemalocation="hr.xsd">
</hr>
1
2
3

定义约束：

<?xml version="1.0" encoding="UTF-8" ?>
<schema xmlns="http://www.w3.org/2001/XMLSchema">
    <element name="hr">
        <!--complexType标签代表是复杂节点，包含子节点时必须使用此标签-->
        <complexType>
            <!--sequence标签代表必须按顺序进行严格书写-->
            <sequence>
                <!--minOccurs="1" maxOccurs="10"  这个标签最少出现一次，最多出现10次-->
                <element name="employee" minOccurs="1" maxOccurs="10">
                    <complexType>
                        <sequence>
                            <!--type="string" 指定类型-->
                            <element name="name" type="string"/>
                            <!---->
                            <element name="age">
                                <!--简单类型约束-->
                                <simpleType>
                                    <!--限定-->
                                    <restriction base="integer">
                                        <!--最小限定-->
                                        <minInclusive value="18"/>
                                        <!--最大限定-->
                                        <maxInclusive value="60"/>
                                    </restriction>
                                </simpleType>
                            </element>
                            <element name="salary" type="integer"/>
                            <element name="department">
                                <complexType>
                                    <sequence>
                                        <element name="dname" type="string"/>
                                        <element name="address" type="string"/>
                                    </sequence>
                                </complexType>
                            </element>
                        </sequence>
                        <!--use="required"表示必须存在-->
                        <attribute name="no" type="string" use="required"/>
                    </complexType>
                </element>
            </sequence>
        </complexType>
    </element>
</schema>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44

解析XML

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

xml常见的解析器

JAXP：
sun公司提供的解析器，支持dom和sax两种思想。

DOM4J：
是一个易用的、开源的库，用于解析XML。它应用于Java平台，具有性能优异、功能强大和极其易使用的特点。Dom4j将XML视为Document对象，XML标签被Dom4j定义为Element对象。

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。

DOM4J

是一个易用的、开源的库，用于解析XML。它应用于Java平台，具有性能优异、功能强大和极其易使用的特点。Dom4j将XML视为Document对象，XML标签被Dom4j定义为Element对象。

需要JDK1.8以上

下载地址：https://dom4j.github.io/

读取XML文档

/**
 * 描述：通过DOM4J读取xml文件
 */
public class HrReader {
    public void readXML() {
        String file = "E:\\IdeaProjects\\study\\xml-study\\src\\hr.xml";
        // SAXReader类是读取XML文件的核心类，用于将XML解析后以树的形式保存在内存中。
        SAXReader reader = new SAXReader();
        try {
            Document document = reader.read(file);
            // 获取XML文档的根节点，就是<hr>标签
            Element rootElement = document.getRootElement();
            // 用于获取指定标签的集合
            List<Element> elementList = rootElement.elements("employee");

            for (Element employee : elementList) {
                // 用于获取element唯一子节点
                Element name = employee.element("name");
                // 用于获取标签中的文本
                String nameText = name.getText();
                System.out.print("姓名：" + nameText);
                System.out.print("，年龄：" + employee.elementText("age"));
                System.out.print("，工资：" + employee.elementText("salary"));

                // 获取节点
                Element department = employee.element("department");
                String dname = department.element("dname").getText();
                System.out.print("，部门：" + dname);
                System.out.print("，工作地点：" + department.elementText("address"));

                // 获取属性
                Attribute att = employee.attribute("no");
                String no = att.getText();
                System.out.println("，工号：" + no);
            }
        } catch (DocumentException e) {
            e.printStackTrace();
        }
    }
    
    public static void main(String[] args) {
        HrReader hrReader = new HrReader();
        hrReader.readXML();
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

更新XML文档

/**
 * 描述：通过DOM4J更新xml文件
 */
public class HrWriter {
    public void writeXML(){
        String file = "E:\\IdeaProjects\\study\\xml-study\\src\\hr.xml";
        SAXReader reader = new SAXReader();
        try {
            Document document = reader.read(file);
            Element rootElement = document.getRootElement();
            // 创建一个属于rootElement对象的employee节点
            Element employee = rootElement.addElement("employee");
            // 创建no属性
            employee.addAttribute("no", "3311");
            // 创建一个属于employee对象的name节点
            Element name = employee.addElement("name");
            // 设置name节点的值
            name.setText("王五");

            employee.addElement("age").setText("22");
            employee.addElement("salary").setText("3500");

            Element department = employee.addElement("department");
            department.addElement("dname").setText("市场部");
            department.addElement("address").setText("xx大厦-B1003");

            // 创建字符输出流
            Writer writer = new OutputStreamWriter(new FileOutputStream(file), "UTF-8");
            // 将创建的节点写入文件中
            document.write(writer);
            writer.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    public static void main(String[] args) {
        HrWriter hrWriter = new HrWriter();
        hrWriter.writeXML();
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

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。

1. 导入jar包
2. 获取Document对象
3. 获取对应的标签Element对象
4. 获取数据

//2.1获取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
//2.2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");
//3.获取元素对象 Element
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
//3.1获取第一个name的Element对象
Element element = elements.get(0);
//3.2获取数据
String name = element.text();
System.out.println(name);
1
2
3
4
5
6
7
8
9
10
11
12

Jsoup类

工具类，可以解析html或xml文档，返回Document

• 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

Document类

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

Elements类

元素Element对象的集合。可以当做 ArrayList<Element> 来使用

Element类

元素对象

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

获取属性值：

• String attr(String key)：根据属性名称获取属性值

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)

Node类

节点对象，是Document和Element的父类

快捷查询方式

selector： 选择器

• 使用的方法：Elements select(String cssQuery)
• 语法：参考Selector类中定义的语法

XPath： 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

• 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

    	  //1.获取student.xml的path
          String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
          //2.获取Document对象
          Document document = Jsoup.parse(new File(path), "utf-8");
  
          //3.根据document对象，创建JXDocument对象
          JXDocument jxDocument = new JXDocument(document);
  
          //4.结合xpath语法查询
          //4.1查询所有student标签
          List<JXNode> jxNodes = jxDocument.selN("//student");
          for (JXNode jxNode : jxNodes) {
              System.out.println(jxNode);
          }
  
          System.out.println("--------------------");
  
          //4.2查询所有student标签下的name标签
          List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
          for (JXNode jxNode : jxNodes2) {
              System.out.println(jxNode);
          }
  
          System.out.println("--------------------");
  
          //4.3查询student标签下带有id属性的name标签
          List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
          for (JXNode jxNode : jxNodes3) {
              System.out.println(jxNode);
          }
          System.out.println("--------------------");
          //4.4查询student标签下带有id属性的name标签 并且id属性值为itcast
  
          List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
          for (JXNode jxNode : jxNodes4) {
              System.out.println(jxNode);
          }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

XPath 查找XML数据

XPath路径表达式是XML文档中查找数据的语言，可以极大的提高在提取数据时的开发效率。

参考：https://www.w3school.com.cn/xpath/index.asp