XML入门及Dom4j和XPath的使用

Love The Way You Lie 2022-11-01 05:37 142阅读 0赞

### XML入门及Dom4j和Xpath的使用 ###

*   *   *  1.XML介绍与用途
         *  2.XML的语法规则
         *  3.XML语义约束
         *  4.java解析XML
         *  5.XPath路径表达式

### 1.XML介绍与用途 ###

**1.1 xml的介绍**

*  XML全称：Extensible markup language，可扩展标记语言。
 *  编写XML就是编写**标签**，跟html非常相似，扩展名 .xml。
 *  具有良好的人机可读性。
 *  如：我们可以通过其标签看出其表达的意义。

**xml与html的比较：**

*  xml与html非常相似，都是编写标签。
 *  xml没有预定义标签，html存在大量的预定义标签。
 *  xml重在保存和传输数据，html用于显示信息。

**1.2 xml的用途**

*  java程序的配置描述文件。
 *  用于保存程序的产生的数据。
 *  网络间的数据传输。

### 2.XML的语法规则 ###

**2.1 xml文档结构**

*  第一行必须是xml声明。
 *  有且只有一个根结点。
 *  xml标签书写规则与html相同。

**xml声明：**  
说明xml文档的基本信息，包含版本号和字符集，写在第一行。  
例如：<?xml version="1.0" encoding="UTF-8"?>

**2.2 xml标签书写规则**

*  合法的标签名。
 *  适当的注释与缩进
 *  合理使用属性
 *  特殊字符与CDATA标签
 *  有序的子元素

**合法的标签名：**

*  标签名要有意义。
 *  建议使用英文，小写字母，单词之间用“-”分割。
 *  建议多级标签不要存在重名的情况。
 *  例如：

<abc>abc</abc>  X（标签名无意义）
    <考试$>数学期末</考试$> X（标签不建议使用中文）
    <class><class>班级</class></class> X（多级标签不建议有重名）
    <shop-cart><item>相册</item></shop-cart> √

**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**
 *  **解决方案1：使用实体引用**
 *  **解决方案2：使用CDATA标签**
 *  例如：

无效的xml
    <exam>
    	<question> 1 + 4 < 3是否正确? </question>
    	<question> 3 + 5 > 8是否正确? </question>
    </exam>

**①实体引用：**  
xml支持5种实体引用：

注意结尾的 ; 一定要加上，因为表格中写入 &lt ;它会自己转义成< 号，所以我多写了个空格。

修改后的xml

**②CDATA标签：**

*  CDATA标签指的是不应由xml解析器进行解析的文本数据。
 *  从"<! \[CDATA\[" 开始 到 "\]\]>"结束。
 *  如：

<lesson>
    	<content>
    		本节我们来学习html中a标签的使用
    		<body>
    			<a href="index.html>首页</a>
    		</body>
    	</content>
    </lesson>

当我们加上CDATA时，这部分就会在网页上直接输出，而不会进行解析。

所以我们也可以在上面例子的 “<” 和 “>” 上加上CDATA,达到正常显示的效果。

**练习：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70]

<?xml version="1.0" encoding="UTF-8"?>
    <teaching-plan>
    	<course no="1">
    		<course-name>大学英语</course-name>
    		<class-hour>36</class-hour>
    		<exam-form>考试</exam-form>
    	</course>
    	<course no="2">
    		<course-name>高等数学</course-name>
    		<class-hour>70</class-hour>
    		<exam-form>考试</exam-form>
    	</course>
    	<course no="3">
    		<course-name>计算机应用基础</course-name>
    		<class-hour>108</class-hour>
    		<exam-form>上机考试</exam-form>
    	</course>
    </teaching-plan>

### 3.XML语义约束 ###

*  xml文档结构正确，但可能不是有效的。
 *  比如在员工档案xml中不允许出现“植物品种”标签。xml语义约束就是用于规定xml文档中允许出现哪些标签。
 *  xml语义约束有两种定义方式：**DTD和XML Schema**。

**3.1 DTD**

*  DTD全称：Document Type Definition 文档类型定义，是一种简单易用的语义约束方式。
 *  扩展名为 .dtd。

**①DTD定义节点：**  
利用DTD中的<!ELEMENT> 标签，我们可以定义xml文档中允许出现的结点和数量，以teaching-plan为例。

*  定义teaching-plan（根）节点下
 *  **只允许出现一个course子节点**<!ELEMENT teaching-plan (course)>；
 *  **最少一个course子节点**<!ELEMENT teaching-plan (course+)>；
 *  **0~n个course子节点** <!ELEMENT teaching-plan (course\*)>；
 *  **最多一个子节点**<!ELEMENT teaching-plan (course?)>
 *  course节点下**必须包含以下三个节点，并且按顺序出现**<!ELEMENT course (course-name,class-hour,exam-form)>
 *  定义course-name标签体只能是文本，**\#PCDATA代表文本元素<!ELEMENT course-name (\#PCDATA)>**
 *  xml引用dtd文件，使用<!DOCTYPE>标签,用法为：
 *  < !DOCTYPE 根节点 SYSTEM “dtd文件路径”>

**②练习：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 1]

<?xml version="1.0" encoding="UTF-8"?>
    <!DOCTYPE teaching-plan SYSTEM "plan.dtd">
    <teaching-plan>
    	<course no="1">
    		<course-name>大学英语</course-name>
    		<class-hour>36</class-hour>
    		<exam-form>考试</exam-form>
    	</course>
    	<course no="2">
    		<course-name>高等数学</course-name>
    		<class-hour>70</class-hour>
    		<exam-form>考试</exam-form>
    	</course>
    	<course no="3">
    		<course-name>计算机应用基础</course-name>
    		<class-hour>108</class-hour>
    		<exam-form>上机考试</exam-form>
    	</course>
    </teaching-plan>

注意：course中有 no属性，在dtd文件中加入 < !ATTLIST course no CDATA “”>即可。

<?xml version="1.0" encoding="UTF-8"?>
    <!ELEMENT teaching-plan (course*)>
    <!ELEMENT course (course-name,class-hour,exam-form)>
    <!ATTLIST course no CDATA "">
    <!ELEMENT course-name (#PCDATA)>
    <!ELEMENT class-hour (#PCDATA)>
    <!ELEMENT exam-form (#PCDATA)>

3.2 XML Schema

*  XML Schema比DTD更为复杂，提供了更多的功能
 *  XML Schema提供了数据类型、格式限定、数据范围等特性
 *  XML Schema是W3C标准
 *  后缀为 .xsd
 *  用法如下：

<?xml version="1.0" encoding="UTF-8"?>
    <schema xmlns="http://www.w3.org/2001/XMLSchema">
    	<element name="teaching-plan">
    		
    		<complexType>
    			<sequence>
    			
    				<element name="course" minOccurs="1" maxOccurs="9999">
    					<complexType>
    						<sequence>
    							<element name="course-name" type="string"></element>
    							<element name="class-hour">
    								<simpleType>
    								
    									<restriction base="integer">
    										<minInclusive value="30"></minInclusive>
    										<maxInclusive value="100"></maxInclusive>
    									</restriction>
    								</simpleType>
    							</element>
    							<element name="exam-form" type="string"></element>
    						</sequence>
    						
    						<attribute name="no" type="string" use="required"></attribute>					
    					</complexType>
    				</element>
    			</sequence>
    		</complexType>
    	</element>	
    </schema>

xml中引用xml Schema的语句为：

<teaching-plan xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
    xsi:noNamespaceSchemaLocation="teaching-plan.xsd">

### 4.java解析XML ###

首先了解什么是DOM文档对象模型，如图的xml文件对应的DOM模型的样子。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 2]  
接着我们来学习java用于解析xml的Dom4j。

**Dom4j：**

*  Dom4j是一个易用的、开源的库，用于解析XML，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。

**4.1 利用Dom4j遍历xml**  
步骤：  
1.下载Dom4j库，并导入java项目中。

2.获取 .xml file的绝对路径存储于String类型变量中。

3.将该String作为参数传入SAXReader对象的read(String file)方法中。**(SAXReader类是读取xml文件的核心类，用于将xml解析以“树”的形式存在内存中。（返回类型Document）**

4.Document的getRootElement()方法用于获取xml文档的根节点。返回类型Element。

5.**root.elements(“course”);** 表示获取指定标签的集合。  
Element.element(“course-name”)； 方法是用于获取唯一子节点对象。  
Element.getText() 获取标签文本（即它的值）；

6.如何获取no属性呢？  
Element.attribute(“no”); 返回Attribute类型，再调用Attribute的getText()方法即可获取。

**故遍历的代码为：**

package com.study.dom4j;
    
    import java.util.List;
    
    import org.dom4j.Document;
    import org.dom4j.DocumentException;
    import org.dom4j.Element;
    import org.dom4j.io.SAXReader;
    
    public class XmlReader {
        
    	public void readXml() {
        
    		String file = "E:/eclipseFiles/xml/src/plan.xml";
    		SAXReader reader = new SAXReader();
    		try {
        
    			Document document = reader.read(file);
    			Element root = document.getRootElement();
    			List<Element> courses = root.elements("course");
    			for(Element course : courses) {
        
    				System.out.println(course.attribute("no").getText());
    				System.out.println(course.element("course-name").getText());
    				System.out.println(course.element("class-hour").getText());
    				System.out.println(course.element("exam-form").getText());
    				System.out.println("======================================");
    			}
    		} catch (DocumentException e) {
        
    			// TODO Auto-generated catch block
    			e.printStackTrace();
    		}
    	}
    	public static void main(String[] args) {
        
    		// TODO Auto-generated method stub
    		XmlReader xmlReader = new XmlReader();
    		xmlReader.readXml();
    	}
    
    }

**4.2 利用Dom4j更新xml**

1.如何增加子节点course?  
前面的步骤跟遍历是一样的，先获取root根节点，然后执行root.addElement(“course”)，返回Element对象；调用Element的addAttribute()和addElement().setText()设置相应属性。

2.写入xml

Writer writer = new OutputStreamWriter(new FileOutputStream(file), "UTF-8");
    document.write(writer);
    writer.close();

Dom4j更新xml的代码为：

package com.study.dom4j;
    
    import java.io.FileOutputStream;
    import java.io.OutputStreamWriter;
    import java.io.Writer;
    
    import org.dom4j.Document;
    import org.dom4j.Element;
    import org.dom4j.io.SAXReader;
    
    public class XmlWriter {
        
    	public void writeXml() {
        
    		String file = "E:/eclipseFiles/xml/src/plan.xml";
    		SAXReader reader = new SAXReader();
    		try {
        
    			Document document = reader.read(file);
    			Element root = document.getRootElement();
    			Element newCourse = root.addElement("course");
    			newCourse.addAttribute("no", "4");
    			newCourse.addElement("course-name").setText("数据结构");
    			newCourse.addElement("class-hour").setText("76");
    			newCourse.addElement("exam-form").setText("考试");
    			Writer writer = new OutputStreamWriter(new FileOutputStream(file), "UTF-8");
    			document.write(writer);
    			writer.close();
    		} catch (Exception e) {
        
    			// TODO Auto-generated catch block
    			e.printStackTrace();
    		}
    		
    	}
    	public static void main(String[] args) {
        
    		// TODO Auto-generated method stub
    		XmlWriter xmlWriter = new XmlWriter();
    		xmlWriter.writeXml();
    	}
    
    }

### 5.XPath路径表达式 ###

*  XPath路径表达式是XML文档中查找数据的语言。
 *  掌握XPath可以极大的提高在提取数据时的开发效率。
 *  学习XPath本质就是掌握各种形式表达式的使用技巧。

Xpath常用的基本表达式：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 3]

XPath基本表达式案例  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 4]

XPath谓语表达式  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 5]

★jaxen介绍：jaxen是java编写的开源的XPath库，这是适应多种不同的对象模型，包括DOM、XOM、dom4j和JDOM。因为Dom4j底层依赖jaxen实现XPath查询，所以我们需要先下载jaxen包。**可以在maven.aliyun.com里快速下载**

结合上述的xml文件，利用XPath查询的代码如下：

package com.study.dom4j;
    
    import java.util.List;
    
    import org.dom4j.Document;
    import org.dom4j.DocumentException;
    import org.dom4j.Element;
    import org.dom4j.Node;
    import org.dom4j.io.SAXReader;
    
    public class XPathTestor {
        
    	public void xpath(String xpathExp) {
        
    		String file = "E:/eclipseFiles/xml/src/plan.xml";
    		SAXReader reader = new SAXReader();
    		try {
        
    			Document document = reader.read(file);
    			List<Node> nodes = document.selectNodes(xpathExp);
    			for(Node node : nodes) {
        
    				Element course = (Element)node;
    				System.out.println(course.attribute("no").getText());
    				System.out.println(course.element("course-name").getText());
    				System.out.println(course.element("class-hour").getText());
    				System.out.println(course.element("exam-form").getText());
    				System.out.println("======================================");
    			}
    		} catch (DocumentException e) {
        
    			// TODO Auto-generated catch block
    			e.printStackTrace();
    		}
    		
    	}
    	public static void main(String[] args) {
        
    		XPathTestor testor = new XPathTestor();
    //		testor.xpath("/teaching-plan/course");
    //		testor.xpath("//course");
    //		testor.xpath("//course[class-hour>75]");
    //		testor.xpath("//course[course-name='数据结构']");
    //		testor.xpath("//course[@no=1]");
    //		注意第一个下标是1，最后一个下标是last（）
    //		testor.xpath("//course[1]");
    //		testor.xpath("//course[last()]");
    //		前两个course
    //		testor.xpath("//course[position()<3]");	
    		testor.xpath("//course[2] | //course[4]");				
    	}
    
    }

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70]: /images/20221024/f97b583f3ef94636975b352d1d3851a8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 1]: /images/20221024/2cfb6797305b42fdb1c1439cabecd01a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 2]: /images/20221024/2e6dff3b5b3b44a3be6d1a51be369b51.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 3]: /images/20221024/17fb3b1f31004c948d1297c8abce39e4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 4]: /images/20221024/59ab80c2e89e485f9e922b09ac4c2526.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk1MjczNg_size_16_color_FFFFFF_t_70 5]: /images/20221024/5f27e2e4da72409ba30a8aecb125e450.png