xml | Sunの博客

可扩展标记语言 (Extensible Markup Language, XML) ，用于标记电子文件使其具有结构性的标记语言，可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。 XML使用DTD(document type definition)文档类型定义来组织数据;格式统一，跨平台和语言，早已成为业界公认的标准。

XML基础

xml简介

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
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。
XML 是 W3C 的推荐标准

xml语法

所有 XML 元素都须有关闭标签
XML 标签对大小写敏感
XML 必须正确地嵌套
XML 文档必须有根元素
XML 的属性值须加引号
实体引用

如果你把字符 “<” 放在 XML 元素中，会发生错误，这是因为解析器会把它当作新元素的开始。
1
<message>if salary < 1000 then</message>
为了避免这个错误，请用实体引用来代替 “<” 字符：
1
<message>if salary < 1000 then</message>
在 XML 中，空格会被保留
XML 以 LF 存储换行
- 在 Windows 应用程序中，换行通常以一对字符来存储：回车符 (CR) 和换行符 (LF)。
- 在 Unix 应用程序中，新行以 LF 字符存储。
- 而 Macintosh 应用程序使用 CR 来存储新行。

xml验证

拥有正确语法的 XML 被称为“形式良好”的 XML。

通过 DTD 验证的 XML 是“合法”的 XML。

合法的 XML 文档是“形式良好”的 XML 文档，同样遵守文档类型定义 (DTD) 的语法规则：

<?xml version="1.0" encoding="ISO-8859-1"?>
<!DOCTYPE note SYSTEM "Note.dtd">
<note>
	<to>George</to>
	<from>John</from>
	<heading>Reminder</heading>
	<body>Don't forget the meeting!</body>
</note>

在上例中，DOCTYPE 声明是对外部 DTD 文件的引用。下面的段落展示了这个文件的内容。

命名冲突

在 XML 中，元素名称是由开发者定义的，当两个不同的文档使用相同的元素名时，就会发生命名冲突。

我们可以使用前缀来避免命名冲突：

<h:table>
   <h:tr>
   <h:td>Apples</h:td>
   <h:td>Bananas</h:td>
   </h:tr>
</h:table>

<f:table>
   <f:name>African Coffee Table</f:name>
   <f:width>80</f:width>
   <f:length>120</f:length>
</f:table>

现在，命名冲突不存在了，这是由于两个文档都使用了不同的名称来命名它们的

元素 (< h:table > 和 < f:table >)。

通过使用前缀，我们创建了两种不同类型的

元素。

我们还可以使用命名空间（Namespaces）来解决命名冲突：

这个 XML 文档携带着某个表格中的信息：

<h:table xmlns:h="http://www.w3.org/TR/html4/">
   <h:tr>
   <h:td>Apples</h:td>
   <h:td>Bananas</h:td>
   </h:tr>
</h:table>

此 XML 文档携带着有关一件家具的信息：

<f:table xmlns:f="http://www.w3school.com.cn/furniture">
   <f:name>African Coffee Table</f:name>
   <f:width>80</f:width>
   <f:length>120</f:length>
</f:table>

与仅仅使用前缀不同，我们为

标签添加了一个 xmlns 属性，这样就为前缀赋予了一个与某个命名空间相关联的限定名称。

XML 命名空间属性被放置于元素的开始标签之中，并使用以下的语法：

1	xmlns:namespace-prefix="namespaceURI"

注释：用于标示命名空间的地址不会被解析器用于查找信息。其惟一的作用是赋予命名空间一个惟一的名称。不过，很多公司常常会作为指针来使用命名空间指向实际存在的网页，这个网页包含关于命名空间的信息。

XML CDATA

所有 XML 文档中的文本均会被解析器解析。

只有 CDATA 区段（CDATA section）中的文本会被解析器忽略。

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。

CDATA 部分由 ““ 结束：

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

在上面的例子中，解析器会忽略 CDATA 部分中的所有内容。

Java解析xml

XML是一种通用的数据交换格式,它的平台无关性、语言无关性、系统无关性、给数据集成与交互带来了极大的方便。XML在不同的语言环境中解析方式都是一样的,只不过实现的语法不同而已。

XML的解析方式分为四种：1、DOM解析；2、SAX解析；3、JDOM解析；4、DOM4J解析。其中前两种属于基础方法，是官方提供的平台无关的解析方式；后两种属于扩展方法，它们是在基础的方法上扩展出来的，只适用于java平台。

针对以下XML文件，会对四种方式进行详细描述：

<?xml version="1.0" encoding="UTF-8" ?>
<bookstore>
    <book id="1">
        <name>冰与火之歌</name>
        <author>乔治马丁</author>
        <year>2014</year>
        <price>89</price>
    </book>
    <book id="2"><name>安徒生童话</name>
        <year>2004</year>
        <price>77</price>
        <language>English</language>
    </book>
</bookstore>

DOM解析

DOM的全称是Document Object Model，也即文档对象模型。在应用程序中，基于DOM的XML分析器将一个XML文档转换成一个对象模型的集合（通常称DOM树），应用程序正是通过对这个对象模型的操作，来实现对XML文档数据的操作。通过DOM接口，应用程序可以在任何时候访问XML文档中的任何一部分数据，因此，这种利用DOM接口的机制也被称作随机访问机制。

　　DOM接口提供了一种通过分层对象模型来访问XML文档信息的方式，这些分层对象模型依据XML的文档结构形成了一棵节点树。无论XML文档中所描述的是什么类型的信息，即便是制表数据、项目列表或一个文档，利用DOM所生成的模型都是节点树的形式。也就是说，DOM强制使用树模型来访问XML文档中的信息。由于XML本质上就是一种分层结构，所以这种描述方法是相当有效的。

　　DOM树所提供的随机访问方式给应用程序的开发带来了很大的灵活性，它可以任意地控制整个XML文档中的内容。然而，由于DOM分析器把整个XML文档转化成DOM树放在了内存中，因此，当文档比较大或者结构比较复杂时，对内存的需求就比较高。而且，对于结构复杂的树的遍历也是一项耗时的操作。所以，DOM分析器对机器性能的要求比较高，实现效率不十分理想。不过，由于DOM分析器所采用的树结构的思想与XML文档的结构相吻合，同时鉴于随机访问所带来的方便，因此，DOM分析器还是有很广泛的使用价值的。

　　　　优点：

　　　　　　1、形成了树结构，有助于更好的理解、掌握，且代码容易编写。

　　　　　　2、解析过程中，树结构保存在内存中，方便修改。

　　　　缺点：

　　　　　　1、由于文件是一次性读取，所以对内存的耗费比较大。

　　　　　　2、如果XML文件比较大，容易影响解析性能且可能会造成内存溢出。

　　以下是解析代码：

public class DomTest {
    public static void main(String[] args) {
        //创建一个DocumentBuilderFactory的对象
        DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance();
        try {
            //创建DocumentBuilder对象
            DocumentBuilder db = dbf.newDocumentBuilder();
            //通过DocumentBuilder对象的parser方法加载books.xml文件到当前项目下
            Document document = db.parse("test.xml");
            //获取所有book节点的集合
            NodeList bookList = document.getElementsByTagName("book");
            //通过nodelist的getLength()方法可以获取bookList的长度
            System.out.println("书本的个数："+bookList.getLength());
            //遍历每个book节点
            for (int i = 0; i < bookList.getLength(); i++) {
                System.out.println("开始遍历第"+(i+1)+"个书：");
                //通过 item(i)方法 获取一个book节点，nodelist的索引值从0开始
                Node book = bookList.item(i);
                //获取book节点的所有属性集合
                NamedNodeMap attributes = book.getAttributes();
                System.out.println("第"+(i+1)+"个书有"+attributes.getLength()+"个属性");
                //遍历book的属性
                for (int j = 0; j < attributes.getLength(); j++) {
                    Node item = attributes.item(j);
                    //获取属性名
                    String nodeName = item.getNodeName();
                    //获取属性值
                    String nodeValue = item.getNodeValue();
                    System.out.println("属性名："+nodeName+" 属性值："+nodeValue);
                }
                //解析book节点的子节点
                NodeList childNodes = book.getChildNodes();
                //遍历childNodes获取每个节点的节点名和节点值
                for (int j = 0; j < childNodes.getLength(); j++) {
                    //区分出text类型的node以及element类型的node
                    if(childNodes.item(j).getNodeType()==Node.ELEMENT_NODE){
                        //获取了element类型节点的节点名和节点值
                        System.out.println("属性名："+childNodes.item(j).getNodeName());
                        System.out.println("属性值："+childNodes.item(j).getFirstChild().getNodeValue());
                    }
                }
            }

        } catch (ParserConfigurationException e) {
            e.printStackTrace();
        } catch (SAXException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

输出结果：

书本的个数：2
开始遍历第1个书：
第1个书有1个属性
属性名：id 属性值：1
属性名：name
属性值：冰与火之歌
属性名：author
属性值：乔治马丁
属性名：year
属性值：2014
属性名：price
属性值：89
开始遍历第2个书：
第2个书有1个属性
属性名：id 属性值：2
属性名：name
属性值：安徒生童话
属性名：year
属性值：2004
属性名：price
属性值：77
属性名：language
属性值：English

SAX解析

SAX的全称是Simple APIs for XML，也即XML简单应用程序接口。与DOM不同，SAX提供的访问模式是一种顺序模式，这是一种快速读写XML数据的方式。当使用SAX分析器对XML文档进行分析时，会触发一系列事件，并激活相应的事件处理函数，应用程序通过这些事件处理函数实现对XML文档的访问，因而SAX接口也被称作事件驱动接口。

　　　　优点：

　　　　　　1、采用事件驱动模式，对内存耗费比较小。

　　　　　　2、适用于只处理XML文件中的数据时。

　　　　缺点：

　　　　　　1、编码比较麻烦。

　　　　　　2、很难同时访问XML文件中的多处不同数据。

太特么长了，以后要是用了直接去搜吧，懒得写了

JDOM解析

特征：

　　　　　　1、仅使用具体类，而不使用接口。

　　　　　　2、API大量使用了Collections类。

同上，懒得写！

DOM4J解析

特征：

　　　　　　1、JDOM的一种智能分支，它合并了许多超出基本XML文档表示的功能。

　　　　　　2、它使用接口和抽象基本类方法。

　　　　　　3、具有性能优异、灵活性好、功能强大和极端易用的特点。

　　　　　　4、是一个开放源码的文件

　　以下是解析代码：

public class Dom4JTest {
    public static void main(String[] args) {
        // 创建SAXReader的对象reader
        SAXReader saxReader = new SAXReader();
        try {
            // 通过reader对象的read方法加载books.xml文件,获取docuemnt对象。
            Document document = saxReader.read(new File("test.xml"));
            // 通过document对象获取根节点bookstore
            Element root = document.getRootElement();
            // 通过element对象的elementIterator方法获取迭代器
            Iterator<Element> iterator = root.elementIterator();
            // 遍历迭代器，获取根节点中的信息（书籍）
            while (iterator.hasNext()){
                System.out.println("开始遍历一本书....");
                Element book = iterator.next();
                // 获取book的属性名以及 属性值
                List<Attribute> attributes = book.attributes();
                for (Attribute attribute : attributes) {
                    System.out.println("属性名："+attribute.getName()+" 属性值："+attribute.getValue());
                }
                // 获取book的所有节点
                Iterator<Element> it = book.elementIterator();
                //遍历节点，获取节点名与节点值
                while (it.hasNext()){
                    Element next = it.next();
                    System.out.println("节点名:"+next.getName()+" 节点值："+next.getStringValue());
                }
            }
        } catch (DocumentException e) {
            e.printStackTrace();
        }
    }
}

输出结果：

开始遍历一本书....
属性名：id 属性值：1
节点名:name 节点值：冰与火之歌
节点名:author 节点值：乔治马丁
节点名:year 节点值：2014
节点名:price 节点值：89
开始遍历一本书....
属性名：id 属性值：2
节点名:name 节点值：安徒生童话
节点名:year 节点值：2004
节点名:price 节点值：77
节点名:language 节点值：English

比较总结

　　DOM4J性能最好，连Sun的JAXM也在用DOM4J。目前许多开源项目中大量采用DOM4J，例如大名鼎鼎的Hibernate也用DOM4J来读取XML配置文件。如果不考虑可移植性，那就采用DOM4J。

JDOM和DOM在性能测试时表现不佳，在测试10M文档时内存溢出。在小文档情况下还值得考虑使用DOM和JDOM。虽然JDOM的开发者已经说明他们期望在正式发行版前专注性能问题，但是从性能观点来看，它确实没有值得推荐之处。另外，DOM仍是一个非常好的选择。DOM实现广泛应用于多种编程语言。它还是许多其它与XML相关的标准的基础，因为它正式获得W3C推荐（与基于非标准的Java模型相对），所以在某些类型的项目中可能也需要它（如在JavaScript中使用DOM）。

SAX表现较好，这要依赖于它特定的解析方式－事件驱动。一个SAX检测即将到来的XML流，但并没有载入到内存（当然当XML流被读入时，会有部分文档暂时隐藏在内存中）。