XML基础

XML概述

W3C组织简介

W3C是World Wide Web Consortium（万维网联盟）的缩写，它是对网络标准定制的一个非赢利组织，如HTML、XHTML、CSS、XML的标准就是由W3C来定制。

由W3C正式发布的标准称为W3C推荐标准。

什么是XML

是EXtensible Markup Language的缩写，它是一种类似于HTML的标记语言，称为可扩展标记语言，传输数据而不是显示数据，可以自定义标签，具有自我描述性

是一种通用的数据交换格式，可以使数据在各种应用程序之间轻松地实现数据的交换。

XML与HTML的比较

HTML中的标记是用来显示数据的，而XML中的标记用来描述数据的性质和结构。

HTML是不区分大小写的，而XML是严格区分大小写的。

HTML可以有多个根元素，而格式良好的XML有且只能有一个根元素。

HTML中，属性值的引号是可用可不用的，而XML中，属性值必须放在引号中。

HTML中，空格是自动过滤的，而XML中，空格则不会自动删除。

HTML中的标记是预定义的，而XML中的标记是可以随便定义的，并且可扩展。

注意：XML不是HTML的升级，也不是HTML的替代产品，它们的应用领域和范围完全不同

XML语法

文档声明

在一个完整的XML文档中，必须包含一个XML文档声明，这个声明表示该文档是一个XML文档，以及该文档遵循哪个XML版本的规范。

XML文档声明的语法格式如下所示：

<?xml 版本信息[编码信息][文档独立性信息]?>

从上面的语法格式中可以看出，文档声明以符号“<?”开头，以符号“?>”结束，中间可以声明版本信息，编码信息以及文档独立性信息。

一个完整的XML声明如下所示：

<?xml version="1.0" encoding="gb2312" standalone="yes"?>

版本声明version、文档编码声明encoding、独立文档声明standalone默认为no

注意：XML声明必须位于文档的第一行，前面不能有任何字符。在XML声明时，如果同时设置了encoding和standalone属性，standalone属性要位于encoding属性之后。

元素定义

在XML文档中，主体内容都是由元素(Element)组成的。

元素一般是由开始标记，属性，元素内容和结束标记构成，具体示例如下：

<城市>北京</城市>

需要注意的是，如果一个元素没有嵌套在其它元素内，则这个元素称为根元素，根元素是XML文档定义的第一个元素。

一个元素中如果没有嵌套子元素，也没有包含文本内容，则这样的元素称为空元素，空元素可以不使用结束标记，例如：<img></img>可以简写成<img/>。

在XML文档中，元素的名称可以包含字母、数字以及其它一些可见的字符，但是在命名XML元素时，应该遵守以下规范：

（1）区分大小写，例如：<P>和<p>是两个不同的标记。

（2）元素名称中，不能包含空格、冒号、分号、逗号和尖括号等，元素不能以数字开头，否则XML文档会报错。

（3）建议不要使用“.”，因为在很多程序语言中，“.”用于引用对象的属性。

（4）建议不要用减号（-），而以下划线（_）代替，以避免与表达式中的减号（-）运算符发生冲突。

（5）建议名称不要以字符组合xml（或XML、或Xml等）开头。

（6）建议名称的大小写尽量采用同一标准，要么全部大写，要么全部小写。

（7）名称可以使用非英文字符，例如中文，但有些软件可能不支持非英文字符以外的字符，在使用时应考虑这种情况。

属性定义

在XML文档中，可以为元素定义一个或多个属性，属性是对元素的进一步描述和说明，每个属性都有自己的名称和取值，具体示例如下：

<售价 单位="元">68</售价> 

需要注意的是，在XML文档中，属性的命名规范同元素相同，属性值必须要用双引号（“”）或者单引号（‘’）引起来，否则被视为错误。

属性还可以通过子元素的形式来描述同样的信息，将属性定义的示例代码改写为以下代码，具体如下：

<售价>

    <价格>68</价格>

    <单位>元</单位>

</售价>

注释

被注释的内容会被程序忽略而不被解析和处理

XML注释和HTML注释写法基本一致，具体语法格式如下所示：

<!--注释信息-->

注意：

1、注释不能出现在XML声明之前，XML声明必须是文档的第一行

2、注释不能出现在标记中

3、字符串“--”不能在注释中出现

4、在XML中，不允许注释以“--->”结尾

5、注释不能嵌套使用，因为第一个“<!--”会匹配在它后面第一次出现的“-->”作为一个完整的释符

特殊字符处理

在XML文档中，表示这些特殊字符的转义字符序列称为预定义实体。

&:&armp、<:&lt、>:&gt、":quot、':apos

CDATA区

Character Data的简写，即字符数据，CDATA区指的是不想被程序解析的一段原始数据，它以“<![CDATA[”开始，以“]]>”结束。

特殊字符出现在该区中不用使用转换字符，提高了xml文档的可读性

DTD约束

什么是约束

在XML文档中，定义了一套规则来对文档中的内容作出限制约束，这套约束称为XML约束。

DTD约束

最常用的两种约束语言是DTD约束和Schema约束。

DTD约束是早期出现的一种XML约束模式语言，根据它的语法创建的文件称为DTD文件。

在一个DTD文件中，可以包含元素的定义、元素之间关系的定义、元素属性的定义以及实体和符号的定义。

使用DTD文件约束XML文档，必须在XML文档中引入DTD文件。在XML文档中引入外部DTD文件有两种方式： 

(1)<!DOCTYPE 根元素名称 SYSTEM  "外部DTD文件的URI">

(2)<!DOCTYPE 根元素名称 PUBLIC "DTD名称" "外部DTD文件的URI">

DTD语法

文档声明

1.内部DTD,在XML文档内部嵌入DTD，只对当前 XML有效。

2.外部 DTD一本地 DTD ,DTD文档在本地系统上,公司内部自己项目使用 。

3.外部DTD一公共DTD ,DTD 文挡在网络上, 一般都有框架提供 。

元素定义

在DTD定义中，每一条<!ELEMENT…>语句用于定义一个元素，其基本的语法格式如下所示：

<!ELEMENT 元素名称 元素内容>

“元素内容”共有五种内容形式，具体如下：

(1)#PCDATA：表示元素中嵌套的内容是普通文本字符串

(2)子元素：说明元素包含的元素

(3)混合内容：表示元素既可以包含字符数据，也可以包含子元素

(4)EMPTY：表示该元素既不包含字符数据，也不包含子元素，是一个空元素

(5)ANY：表示该元素可以包含任何的字符数据和子元素

在定义元素时，“元素内容”中可以包含一些符号，其中常见的符号具体如下：

问号[?]：表示该对象可以出现0次或1次。

星号[*]：表示该对象可以出现0次或多次。

加号[+]：表示该对象可以出现1次或多次。

竖线[|]：表示列出的对象中选择1个。

逗号[,]：表示对象必须按照指定的顺序出现。

括号[()]：用于给元素进行分组。

属性定义

设置说明

定义元素的属性时，有四种设置说明可以选择，具体如下：

1）#REQUIRED：表示元素的该属性是必须的

2）#IMPLIED：表示元素可以包含该属性，也可以不包含该属性

3）#FIXED：表示一个固定的属性默认值，在XML文档中不能将该属性设置为其它值。

4）默认值：和FIXED一样，如果元素不包含该属性，该属性将被自动设置为DTD中定义的默认值

属性类型

1）CDATA

这是最常用的一种属性类型，表明属性类型是字符数据，与元素内容说明中的#PCDATA相同。

2）Enumerated(枚举类型)

在声明属性时，可以限制属性的取值只能从一个列表中选择，这类属性属于Enumerated(枚举类型)。需要注意的是，在DTD定义中并不会出现关键字Enumerated。

3）ID

一个ID类型的属性用于唯一标识XML文档中的一个元素。其属性值必须遵守XML名称定义的规则。一个元素只能有一个ID类型的属性，而且ID类型的属性必须设置为#IMPLIED或#REQUIRED。

4）IDREF和IDREFS

5）NMTOKEN和NMTOKENS

NMTOKEN是Name Token的简写，它表示由一个或者多个字母、数字、句点(.)、连字号(-)或下划线(_)所组成的一个名称。NMTOKENS关键字表示一种列表类型。一个元素的NMOTOKENS类型的属性设置值可以是同一个XML文件中的另外多个NMTOKEN类型的属性的设置值，每个NMTOKEN属性值之间用空格分隔。

6）NOTATION

通过设置NOTATION类型的属性来让一个外部应用程序进行处理。在DTD文件中，NOTATION定义语句分为两种情况，具体如下：

第一种情况：<!NOTATION 符号名 SYSTEM "MIME类型">

第二种情况：<!NOTATION 符号名 SYSTEM "URL路径名">

7）ENTITY和ENTITYS

ENTITY对应的中文意思为实体，当某个属性的类型设置为ENTITY时，表明其属性值必须为在DTD中使用<!ENTITY …>语句定义的一个实体（entity）的引用。

实体定义

引用实体

引用实体的定义方式如下所示：

（1）<!ENTITY 实体名称 "实体内容">

（2）<!ENTITY 实体名称 SYSTEM "外部XML文档的URL">

引用实体用于解决XML文档中内容重复的问题，其引用方式方法为：

&实体名称;

参数实体

参数实体只能被DTD文件自身使用，它的语法格式如下所示：

<!ENTITY % 实体名称 "实体内容">

注意：在声明参数实体时，ENTITY、%、实体名和“实体内容”之间各有一个空格。

引用参数实体的方式是：%实体名称;

Schema约束

什么是Schema约束

XML Schema与DTD比较，具有下列优点：

（1）DTD采用的是非XML语法格式，而XML Schema采用的是XML语法格式，而且它本身也是一种XML文档。

（2）DTD和XML Schema都用于对XML文档进行描述，都被用作验证XML合法性的基础。但是，DTD本身合法性的验证必须采用另外一套机制，而XML Schema则采用与XML文档相同的合法性验证机制。

（3）XML Schema对名称空间支持的非常好，而DTD几乎不支持名称空间。

（4）DTD支持的数据类型非常有限。

（5）DTD定义约束的能力非常有限，无法对XML实例文档作出更细致的语义限制。

（6）Schema是新的XML 文档约束:Schema 要比 DTD 强大很多，是 DTD 替代者 ;

名称空间

什么是命名空间

名称空间就是用来处理元素和属性的名称冲突问题，与Java中的包是同一用途。如果每个元索和属性都有自己的名称空间，那么就不会出现名字冲突问题，就像是每个类都有自己所在的包一样,那么类名就不会出现冲突。

它可以唯一标识一个元素或者属性。声明名称空间的语法如下所示：

<元素名 xmlns:prefixname="URI">

Schema语法

元素定义

Schema和DTD一样，都可以定义XML文档中的元素。在Schema文档中，元素定义的语法格式如下所示：

<xs:element name="xxx" type="yyy"/>

element用于声明一个元素，xxx指的是元素的名称，yyy 指元素的数据类型。

在XML Schema 中有很多内建的数据类型，其中最常用的有以下几种： 

xs:string：表示字符串类型

xs:decimal：表示小数类型

xs:integer：表示整数类型

xs:boolean：表示布尔类型

xs:date：表示日期类型

xs:time：表示时间类型

XML的示例代码，具体示例如下：

<lastname>Smith</lastname>

<age>28</age>

<dateborn>1980-03-27</dateborn>

这三个元素对应的Schema定义如下所示：

<xs:element name="lastname" type="xs:string"/>

<xs:element name="age" type="xs:integer"/>

<xs:element name="dateborn" type="xs:date"/> 

属性定义

在Schema文档中，属性定义的语法格式如下所示：

<xs:attribute name="xxx" type="yyy"/>

element用于声明一个元素，xxx指的是元素的名称，yyy 指元素的数据类型。

XML的简单例子，具体示例如下所示：

<lastname lang="EN">Smith</lastname>

应的Schema定义方式如下所示：

<xs:attribute name="lang" type="xs:string"/>

简单类型

（1）xs:minInclusive和xs:maxInclusive元素对值的限定

（2）xs:enumeration元素对一组值的限定

（3）xs:pattern元素对一系列值的限定

（4）xs:restriction元素对空白字符的限定

如果需要对空白字符（whitespace characters）进行处理，可以使用 whiteSpace元素。whiteSpace元素有三个属性值可以设定，分别是preserve、replace和collapse。

复杂类型

（1）空元素

指的不包含内容，只包含属性的元素，具体示例如下：

<product prodid="1345" />

（2）包含其它元素的元素

（3）仅包含文本的元素

（4）包含元素和文本的元素

dom4j

XML解析概述

当将数据存储在XML后 ，我们就希望通过程序获得XML的内容。如果我们使用 Java 基础所学习的IO知识是可以完成的 ,不过你需要非常繁琐的操作才可以完成，且开发中会遇到不同问题 (只读、读写)。人们为不同问题提供不同的解析方式,并提交对应的解析器,方便开发人员操作 XML。

解析方式和解析器

开发中比较常见的解析方式有三种,如下 :

1. DOM: 要求解析器把整个XML文档装载到内存,并解析成一个Document 对象 。

a) 优点:元素与元素之间保留结构关系,故可以进行增删改查操作 。

b) 缺点: XML文档过大,可能出现内存溢出显现 。

2. SAX: 是一种速度更快,更有效的方法,它逐行扫描文档,一边扫描一边解析 。并以事件驱动的方式进行具体解析，每执行一行,都将触发对应的事件.

a) 优点 : 处理速度快，可 以处理大文件

b) 缺点 : 只能读 ，逐行后将释放资源 。

3.PULL: Android内置的XML解析方式,类似 SAX.

解析器:就是根据不同的解析方式提供的具体实现。有的解析器操作过于繁琐，为了方便开发人员,有提供易于操作的解析开发包 。

DOM解析原理及结构模型

XML DOM和HTML DOM 类似,XMLDOM 将整个XML文档加载到内存，生成一个 DOM 树，并获得一个Document对象，通过Document对象就可以对 DOM 进行操作.

DOM 中的核心概念就是节点,在XML文档中的元素、属性、文本等，在DOM中都是节点!

API使用

1.如果需要使用dom4j,必须导入jar包。

2.dom4j必须使用核心类SaxReader加载xml文档获得 Document,通过Document对象获得文档的根元素，然后就可以操作了