Java核心技术卷2 高级特性—XML

ASE265

《第3章 XML》

XML：可扩展标记语言(Extensible Markup Language,XML)
XML的格式非常直观，与HTML文件非常相似，既可以表达层次结构，又使得重复的元素不会被曲解
XML和HTML格式都是古老的标准通用标记语言(Standard Generalized Markup Language,SGML)的衍生语言

XML文档应当以一个文档头开始，例如：

<?xml version="1.0">

或者

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

严格来说，文档头是可选的，但是强烈推荐使用文档头
文档头之后通常是文档类型定义（Document Type Definition，DTD），例如

<!DOCTYPE web-app PUBLIC
"-//Sun Microsystems,Inc.//DTD Web Application 2.2//EN"
"http://java.sun.com/j2ee/dtds/web-app_2_2.dtd"\>

文档类型定义（DTD）是确保文档正确的一个机制，但是它不是必需的。
最后，XML文档的正文包含根元素，根元素包含其他元素。如上图中的<configuration>就是根元素
在<configuration>有其子元素<title>,<title>元素下有font元素，font含有两个子元素
另：在设计XML文档结构时，最好让元素要么包含子元素，要么包含文本，即应避免这种情况：

<font>
    Helvetica
    <size>36\<size\>
<font\>

在XML规范中，这叫做混合式内容，而且解析起来不是很方便，故不推荐这种混合式内容
当然，XML元素可以包含属性，例如

<size unit="pt">36</size>

那么何时使用属性，何时使用元素呢？
一条经验法则：属性只应该用来修改值的解释，而不是用来指定值
元素和文本是XML文档“主要的支撑者”，这里还有一些其他的标记：
字符引用；实体引用；
CDATA部分(CDATA Section)用<![CDATA[和]]>来限定其界限
处理指令；由来限定其界限，如<?xml veriosn="1.0"?>
注释；用<!和-->限定其界限

解析XML文档

要处理XML文档，就要解析它。Java库提供了两种XML解析器：树形解析器和流机制解析器
树形解析器向文档对象模型一样，将读入的XML文件转换为树结构
对于树形解析器来说，要读入一个XML文档，首先需要一个Document对象，可以从DocumentBuilderFactory中的得到这个对象，例如：

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();

现在可以从文件中读入某个文档：

File f = ...
Document doc = builder.parse(f);

或者，可以用一个URL：

URL u = ...
Document doc = builder.parse(u);

可以通过调用getDocumentElement方法来启动对文档内容的分析，它将返回根元素。

Element root = doc.getDocumentElement();

而getTagName方法可以返回元素的标签名，
若要得到该元素的子元素可以使用getChildNodes方法，这个方法返回一个类型为NodeList的集合
getData方法可以获取存储在Text节点的字符串
getFirstChild得到第一项子元素
getLastChild得到最后一项子元素
getNextSibling得到下一个兄弟节点
而若要枚举所有子元素则比较麻烦：

NodeList children = root.getChildNodes();
// getLength()方法提供了项的总数，而item方法将得到指定索引值的项
for(int i=0; i\<children.getlength();i++)
{
    Node child = child.item(i);
    ...
}

假设，我们正在处理一下文档：

<font>
&emsp;<name>Helvetica</name>
&emsp;<size>36</size>
</font>

看起来font有两个元素，但解析器却会告诉我们有5个：

  • <font>和<name>之间的空白字符
  • name元素
  • </name>和<size>之间的空白字符
  • size元素
  • </size>和</font>之间的空白字符

其对应的DOM树为：

当然，如果只希望得到子元素，那么需要读child进行判断，即需要忽略掉空白字符
可通过这样的语句来判断：if(child instanceof Element)

显然，这样的遍历其实挺麻烦的，而如果你的文档有DTD，那么对于遍历的处理可以更简单
这时，解析器知道哪些元素没有文本节点的子元素，而且它会帮你剔除空白字符
并且这也进一步反映了DTD的重要性

验证XML文档

1.DTD

用于验证XML文档的有两样东西：DTD和XML Schema
DTD的作用是定义XML文档的结构，它使用一系列合法的元素来定义文档结构，因此通过验证DTD就能知道该XML是否遵守DTD的语法规则
提供DTD的方式有很多种。可以直接在XML文件内部定义，例如

<?xml version="1.0"?>
<!DOCTYPE configuration [
    <!ELEMENT configuration...>
    more rules
    ...
]>
<configuration>
    ...
</configuration>

这些规则被纳入到DOCTYPE的声明中，位于[...]的限定块中。
文档类型必须匹配根元素的名字，例如我们的例子configuration

在文档内部提供DTD不是很普遍，大多数都是把DTD存储在外部
使用SYSTEM声明可以实现这个目标，例如：

<!DOCTYPE configuration SYSTEM "config.dtd">

//声明了对外部文件config.dtd的引用
或者

<!DOCTYPE  configuration SYSTEM "http://myserver.com/config.dtd">

ELEMENT规则用于指定某个元素可以拥有怎么样的子元素，它可以指定一个正则表达式
用于元素内容的规则

一个例子：声明menu元素包含0个或者多个item元素：

<!ELEMENT menu (item)*>

还可以指定描述合法的元素属性的规则，其通用语法为：

<!ATTLIST element attribute type default>

属性类型

属性的默认值

两个典型的属性规格说明：

<!ATTLIST font style (plain|bold|italic|bold-italic) "plain">

描述font元素的style属性有4个合法的属性值，默认值为plain

<!ATTLIST size unit CDATA #IMPLIED>

描述size元素的unit属性可以包含任意的字符序列

如何使用DTD呢？首先，通知文档生成工厂打开验证特性

factory.setValidating(true);

这样，该工厂生成的是所有文档生成器都将根据DTD来验证它们的输入，验证的最大好处是可以忽略元素内容中的空白字符
调用下面的代码：

factory.setIgnoringElementContentWhiteSpace(true);

这样，生成器将不会报告文本节点中的空白字符，可以通过代码直接访问元素
例如对之前要遍历的文档来说可以直接写成：

NodeList children = root.getChildNodes();
Element nameElement = (Element)children.item(0);
Element sizeElement - (Element)children.item(1);

这就是DTD如此有用的原因。

2.XML Schema

XML Schema,可以看作基于XML的DTD代替者，而且XML Schema比起DTD语法要复杂得多
如果要在文档中引用Schema文件，需要在根元素中添加属性，例如：

<?xml version="1.0"?>
<configuration xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    &emsp;xsi:noNameSpaceSchemaLocation="config.xsd">
  ...
configuration>

这个声明说明Schema文件config.xsd会被用来验证该文档。这是没用使用命名空间的例子
Schema为每个元素都定义了类型，类型可以是简单类型也可以是复杂类型
简单类型已被内建到了XML Schema内，包括：

xsd:string
xsd:int
xsd:boolean

而且支持定义自己的简单类型（simpleType）和复杂类型（complexType）
在定义元素时需要指定元素的类型：

<xsd:element name="name" type="xsd:string"/>
<xsd:elemnt name="size" type="xsd:int"/>
<xsd:elemnt name="style" type="StyleType"/>

如果要指定属性，就使用xsd:attribute,例如

<xsd:attribute name="unit" type="xsd:string" use="optional" default="cm"\/>

解析带有Schema的XML文件和带有DTD的文件相似，但有3点差别：

使用XPath来定位信息

若是想要定位某个XML文档中的一段特定信息，那么使用XPath是最好的方法。
假设我们要定位的文档如下：

<configuration>
    ...
    <database>
        <username>dbuser</username>
        <password>secret</password>
        ...
    </database>
</configuration>

Java SE 5.0 增加了一个API来计算XPath的表达式。首先，需要从XPathFactory创建一个XPath对象

XPathFactory xpFactory = XPathFactory.newInstance();
path = xpFactory.newXPath();

然后调用evaluate方法来计算XPath表达式

String username = path.evaluate("/configuration/database/username",doc); //doc指XML文档对象

执行该代码，即可获得XML文档中的<username>元素的文本内容
可以使用@操作符可以获得属性值
可以使用[]操作符来选择特定元素

使用命名空间

Java语言使用包来避免名字冲突，XML也有类似的命令空间机制，用于元素名和属性名
XML命令空间的特殊之处在于使用HTTP的URL（Uniform Resource Identifier）作为命令空间的标识符，比如：
http://www.w3.org/2001/XMLSchema
uuid:1c759aed-b748-475c-ab68-10679700c4f2
urn:com:books-r-us

若要打开命名空间处理特性，需要调用DocumentBuilderFactory类的setNameSpaceAware方法

factory.setNameSpaceAware(true);

这样该工厂产生的所有生成器都支持命名空间了。
假设解析器看到了以下元素：

<xsd:schema xmlns:xsd="http://www.w3.org/2001/XMLSchema"\>

则设置了命令空间的话，将会得到以下信息

流机制解析器

树形解析器会完整地读入XML文档，然后将其转换为一个树形的数据结构
而流解析器则不需要完整地读入XML文档，可以边读入变解析节点
Java类库提供的流机制解析器：老而弥坚的SAX解析器和添加到Java SE 6中的更现代化的StAX解析器

使用SAX解析器

如何得到SAX解析器？

SAXParseFactory factory = SAXParseFactory.newInstance();
SAXParse parser = factory.newSAXParse();
处理文档
parser.parser(source,handle)

source可以是一个文件、一个URL字符串或者是一个输入流
handler属于DefaultHandler的一个子类
Defaulthandler类为ContnetHandler、DTDHandler、EntityRedolver、ErrorHandler这四个接口定义了空的方法

在使用SAX解析器时，需要一个处理器来为各种解析器事件定义事件动作
ContentHandeler接口定义了若干个解析文档时解析器会调用的回调方法，比较重要的几个：

  • startElement和endElement在每当遇到起始或终止标签时调用
  • characters在每当遇到字符数据时调用
  • startDocument和endDocument分别在文档开始和结束时各调用一次

处理器必须覆盖这些方法，让它们在执行解析文件时我们想要让它们执行的动作

使用StAX解析器

StAX解析器是一种“拉解析器”，与SAX不同
StAx是使用基本循环来迭代所有的事件

生成XML文档

1.使用DOM树来产生XML文件

用文档的内容构建一颗DOM树，然后再写出该树的所有内容
要建立一棵DOM树，需要从一个空的文档开始
调用DocumentBuilder类的newDocument可以得到一个空文档

Document doc = builder.newDocument();

使用createElement方法可以构建文档里的元素

Element root = doc.createElement(rootName);
Element child = doc.createElement(childName);

使用createTextNode方法可以构建文本节点

Text text = doc.createTextNode(textContents);

使用以下方法可以给文档添加根元素，给父节点添加子节点

doc.append(root)
root.append(child)
child.append(text)

设置元素属性

root.setAttribute(name,value);

若是需要创建带命名空间的文档，需要将工厂设置为命名空间感知的
然后使用createElementNS来创建所有节点

2.使用StAX写出XML文档

StAx API使我们可以直接将XML树写出，这需要从某个OutputStream中构建一个XMLStreamWritter

XMLOoutputFactory factory = XMLOutputFactory.newInstance();
XMLStreamWriter writer = factory.createXMLStreamwriter(out);

要产生XML文件头，调用

writer.writeStartDocument();

然后调用

writer.writeStartDocument(name);

添加属性需要调用

writer.writeAttribute(name,value);

可以再次调用writeStarteElement添加新的子节点
或者输出字符

writer.writeCharacters(text);

在写完所有节点后，调用

writer.writeEndElement(name);

这会导致当前元素被关闭
若是输出没有子节点的元素，可以调用

writer.writeEmptyElement(name);

最后，在文档的结尾，调用

writer.writeEndDocument();

XSL转换

XSL转换机制可以指定将XML文档转换为其他格式的规则
例如转换为纯文本、XHTML或任何其他的XML格式。

分类：

技术点：

相关文章：

猜你喜欢
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode