XML

发表于 分类于

相关链接： https://zh.wikipedia.org/wiki/XML

　　我们有时使用数据库仅仅是查询数据而已，可能并没有用到数据库独有的一些特性，比如数据的关联，数据的一致性、隔离性、持续性等。

　　处理数据的另一途径就是使用文件。读取文件的速度要远远快于与数据库建立连接的速度。要从文件中获取某些内容（比如：只获取姓名、性别），显然要对文件做分析处理，解析出所需要的内容。这就要求文件应当具有某种特殊的形式结构，即文件应当按照一定的标准来组织数据，这就是XML文件。

　　XML是由万维网联盟（World Wide Web Consortium，W3C）定义的一种语言，是表示结构化数据的行业标准。XML不仅提供了直接在数据上工作的通用方法，而且将用户界面和结构化数据相分离。XML文件就是按照XML语言表写的文本文件。

　　专门处理XML文件的API有很多，这些API的核心就是提供“XML解析器”，XML解析器是XML和应用程序之间的一个软件组织，其目的是为应用程序从XML文件中解析出所需要的数据。现使用的XML解析器普遍都是Java语言编写的。

一、XML文件的基本结构

　　XML是eXtensible Markup Language缩写，称为可扩展标记语言，XML允许用户按照XML的规则自定义标记。XML文件是由标记构成的文本文件，与HTML不同的是，标记可自由定义，目的是使得XML文件能够很好地体现数据的结构和含义，便于解析和理解其中的数据。W3C推出XML的主要目的是使得Internet上的数据相互交流更方便，让文件的内容更加浅显易懂。

1
2
3
4
5
6
7
8
9
10
11
<?xml version="1.0" encoding="UTF-8"?>
<列车时刻表>
    <T28>
        <发车时间>20点58分</发车时间>
        <到站时间>08点18分</到站时间>
    </T28>
    <T876>
        <发车时间>23点12分</发车时间>
        <到站时间>07点25分</到站时间>
    </T876>
</列车时刻表>

1.XML声明

　　<?xml version="1.0" encoding="UTF-8"?> // 必须是XML文件的首行

2.根标记

　　XML文件有且仅有一个根标记。上面XML文件的根标记是 “<列车时刻表>…</列车时刻表>”，分别是开始标记和结束标记。

3.树型结构

　　XML文件的根标记可以有若干个子标记，称为根标记的子标记。根标记的子标记还可以有子标记，以此类推，这样一来标记之间就形成了“子孙”关系。也可以称一个标记的子标记为该标记的1级标记，孙标记为该标记的2级标记等。上述XML文件的根标记的两个子标记 …和…。

　　一个标记的内容中可以包含文本或其他的标记，其中被包含的标记称为该标记的子标记。如果一个标记仅仅包含文本，该标记称作，叶标记。

　　XML文件的标记必须形成树型结构，即一个标记的子标记必须包含于该标记的开始标记和结束标记之间。简单说，标记之间不允许出现交叉。下面是错误的，因为标记没有形成树型结构：

1
2
3
4
5
6
7
8
9
10
11
12
<?xml version="1.0" encoding="UTF-8"?>
<列车时刻表>
    <T28>
        <发车时间>20点58分</发车时间>
        <到站时间>08点18分
    </T28>
        </到站时间>
    <T876>
        <发车时间>23点12分</发车时间>
        <到站时间>07点25分</到站时间>
    </T876>
</列车时刻表>

二、XML声明

　　一个规范的XML文件应当以XML作为文件的第一行，在其前面不能有空白、其他的处理指令或注释。XML声明以 <?xml> 标记开始、以 ?> 标记结束。一下是一个最基本的XML声明：

​ <?xml version="1.0" ?>

1.XML声明中的版本属性

　　一个简单的XML文件声明中可以只包含属性 version （目前该属性的值只可以取1.0）。

2.XML声明中的编码属性

　　encoding属性，该属性规定XML文件采用哪种字符集进行编码。如果在XML声明中没有指定encoding属性的值，默认是UTF-8。

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

　　如果使用UTF-8编码，那么标记以及标记的内容就可以使用汉字、日文、英文等，并且只能选择UTF-8编码来保存文件，XML解析器就能识别这些标记并正确解析标记中的内容。

　　　　img

　　如果在编写XML文件时只准备使用ASCII字符和汉字，也可以将encoding属性的值设置为gb2312，但必须使用ANSI编码保存。

​ <?xml version="1.0" encoding="gb2312"?>

　　　　img

　　如果只准备使用ANSII字符，也可以将encoding属性的值设置为ISO-8859-1，文件必须使用ANSI编码保存。

三、标记

　　XML文件是由标记构成的文本文件标记的名称可以由字母、数字、下划线“_”、点号“.”、或连字符“-”组成，但必须以字母或下划线开头。

　　若使用UTF-8编码，字母也包括汉字、日文等。

　　标记名称区分大小写。

　　W3C对标记的使用有着严格的语法规定。

1.空标记

　　不含有子标记或文本内容的标记。不需要开始和结束标记。语法格式：

　　　　<空标记的名称 属性列表 />

　　或

　　　　<空标记的名称 />

　　例如：<chair width="24" height="12" /> 注意，在标记 “<” 和标记名称之间不要含有空格。

2.非空标记

　　含有子标记或文本内容的标记。有开始和结束标记。

　　　　<sex> 男 </sex>　　正确

　　　　<birthday> 1980 年 8 月 15 日 </ birthday>　　错误，”</“ 和birthday之间有空格

　　以下两个标记所含有的文本内容是不同的，因为第二个标记的内容中含有若干个空格和两个换行符。

　　　　<名称>电视</名称>

　　　　<名称>

　　　　　　电视

　　　　</名称>

3.CDATA段

　　XML有5种字符属于特殊字符，它们是左尖括号“<”、右尖括号“>”、与符号“&”、单引号“’”、双引号“””，XML有特殊用途，比如标记使用左、右尖括号等。标记内容中的文本数据不可以含有任何特殊符号。若想使用这些特殊符号，办法之一使用CDATA（Character Data）段。

　　CDATA段用 “” 作为段的结束，其中不可以有空格字符，开始和结束标记之间的内容可以包含任意字符。但是W3C规定，CDATA段不可以嵌套使用。例如：

1
2
3
4
5
6
　　　　<hello>
　　　　　　<![CDATA[
　　　　　　　　boolean boo = true&&false
　　　　　　　　<你好>
　　　　　　]]>
　　　　</hello>

4.属性

　　为标记添加附加信息（不体现数据的结构）。属性是一个名值对，即属性必须由名字和值组成。属性必须在非空标记的开始标记或空标记中声明，用“=”为属性指定一个用单引号或双引号括起来的字符串（值）。

　　一个信息是否作为一个标记的属性或子标记，取决于具体问题。基本原则是：不要因属性的频繁使用而破坏XML的数据结构。下面是一个结构清晰的XML文件。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
<?xml version="1.0" encoding="UTF-8"?>
<root>
    <楼房 height="23m" length='56m' width='12m'>
        <结构>
            混土结构
        </结构>
        <建筑商>
            华海建筑集团
        </建筑商>
        <类别>
            商用
        </类别>
    </楼房>
</root>

　　如果把子标记中的数据改为父标记的属性值，XML文件的结构就显得很凌乱，如下：

1
2
3
4
<root>
    <楼房 height="23m" length='56m' width='12m' 结构='混土结构' 建筑商='华海建筑集团' 类别='商用'>
    </楼房>
</root>

四、DOM解析器

　　使用XML解析器可以从XML文件中解析出所需要的数据。有两种类型的解析器：基于DOM的解析器（DOM解析器）和基于事件的解析器（SAX解析器）。

　　文档对象模型（document object model，DOM）是W3C制定的一套规范标准。DOM规范的核心是按树型结构处理数据。

　　DOM解析器读入XML文件，按照DOM规范在内存中建立一个树型结构数据，XML文件的标记、标记含有的文本内容都会和内存中“树”的某个节点相对应。应用程序处理XML文档的方式是：操作内存中“树”的节点，获取所需要的数据。

　　下面介绍sun公司的DOM解析器，Sun公司发布的SDK1.5中提供了解析XML文件的API（Java API for XML parsing，JAXP）。

1.使用DOM解析器的步骤

　　在JAXP中，DOM解析器是DocumentBuilder类的一个实例，该实例由DocumentBuilderFactory类负责创建，步骤如下：

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
import java.io.File;
import java.io.IOException;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;
import org.w3c.dom.Document;
import org.xml.sax.SAXException;

public class DomParser {
    public static void main(String[] args) {
        try {
            // 1.实例化一个DocumentBuilderFactory对象
            DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
            // 2.返回一个DocumentBuilder对象(称为DOM解析器)
            DocumentBuilder builder = factory.newDocumentBuilder();
            // 3.解析指定文件，并返回一个实现了Document接口的实例，该实例被称为Document对象
            Document document = builder.parse(new File("NewFile.xml"));
        } catch (ParserConfigurationException e) {
            e.printStackTrace();
        } catch (SAXException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        } catch (IOException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }
}

2.Document对象

　　DOM解析器负责在内存中建立Document对象。调用parse方法把解析的XML文件封装成一个Document对象，将XML文件和内存中的Document对象相对应。

结构

　　　　Document对象就是一颗“树”，是由实现了Node接口的Element类、Text类和CDATASection类的实例组成的树型结构数据，这些实例分别称为Document对象中的Element节点、Text节点和CDATASection节点，文件中的标记都和Document对象中的某个节点相对应。

　　　　一个Element节点中还可以有Element节点、Text节点、CDATASection节点。比如Document对象的根节点就是Element类的一个实例，即是一个Element节点。

　　　　下面是 XML 文件和相对应的 Document 对象：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
<?xml version="1.0" encoding="UTF-8"?>
<root>
    <A>
        hello
    </A>
    <B>
        <B1>
            welcome.
        </B1>
        <![CDATA[
            X>100&&Y>30
        ]]>
        How are you.
    </B>
</root>

　　　　　　img

重要节点

　　　　A.Element节点。获取和该节点相关的信息的常用方法：

　　　　　　String getTagName()：返回该节点的名称，该名称就是和此节点相对应的XML中的标记的名称。

　　　　　　String getTextContent()：返回当前节点的所有Text子孙节点中的文本内容（也就是返回相应的XML文件中的标记及其子孙标记中含有的文本内容）。

　　　　　　String getAttribute(String name)：返回该节点中参数name指定的属性的值，该属性值是和此节点对应的XML中的标记中属性的值。

　　　　　　NodeList getChildNodes()：返回一个NodeList对象，该对象由当前节点的子节点组成。

　　　　　　NodeList getElementsByTagName(String name)：返回一个NodeList对象，该对象由当前节点的Element类型子孙节点组成，这些子孙节点的名字由参数name指定。

　　　　　　boolean hasAttribute(String name)：判断当前节点是否有 名字由参数name指定的属性。

　　　　B.Text节点。使用 String getWholeText() 方法获取该节点中的文本（包括其中的空白字符）。

　　　　C.CDATASection节点。使用 String getWholeText() 方法获取该节点中的文本，即CDATA段中的文本（包括其中的空白字符）。

3.查询成绩

　　例子：使用DOM解析器从XML文件中解析出所需要的数据