xml基礎知識

XML(eXtensible Markup Language)是網際網路聯盟(World Wide Web Consortium W3C)定義的一種可擴充标志語言。

可擴充性指允許使用者按照XML規則自定義标記(tags 标簽)。

強項：輕松表達多層結構的資料；可擴充。

優點：平台無關，語言無關。設計目标是描述資料并集中于資料的内容，與顯示分離。

提醒：不能用XML來直接寫網頁。即便是包含了XML資料，依然要轉換成HTML格式才能在浏覽器上顯示。

文法規則：

XML檔案有且僅有一個根标記，其他标記必須封裝在根标記中，檔案的标記必須形成樹狀結構。

大小寫敏感。

标記的屬性必須用""或''括起來。

XML細節：

一、 聲明

大多數XML文檔以XML聲明作為開始，它向解析器提供了關于文檔的基本資訊。

建議使用XML聲明，但它不是必需的。如果有的話，那麼它一定是文檔的第一行内容。

如：<?xml version="1.0" encoding="UTF-8" standalone="no"?>

聲明最多可以包含三個名稱-值對（許多人稱它們為屬性，盡管在技術上它們并不是）。

<?xml 問号與xml之間不能有空格。

1)version 是使用的XML 版本:1.0, 1.1

2)encoding 是該文檔所使用的字元集。該聲明中引用的ISO-8859-1 字元集包括大多數西歐語言用到的所有字元。

預設字元在UTF-8字元集中，這是一個幾乎支援世界上所有語言的字元和象形文字的Unicode 标準。

3)standalone（可以是yes 或no）定義了是否孤立處理該文檔。

如果XML文檔沒有引用任何其它檔案，則可以指定 standalone="yes"。

如果XML文檔引用其它描述該文檔可以包含什麼的檔案(如DTD)，則 standalone="no"。預設值為"no"

二、 标記

左尖括号“<“和右尖括号“>“之間的文本

1. 在< >中的稱為開始标記；在</ >中的稱為結束标記

2. 空标記：不包含元素的标記。空标簽必須以“/>”結束。格式： <空标記的名稱/> <空标記的名稱 屬性清單/>

注意：

除空标記外，标簽必須成對：有始有終。所有的開始标簽和結束标簽必須比對。

在标記符“<“和"标記的名稱"之間不能含有空格。在标記符"/>"前面可以有空格或回行。

标簽必須嵌套正确。

XML标記必須遵循下面的命名規則:

　1.名字中可以包含字母、數字以及其它字母或文字；還可包含下劃線(_)、點(.)、連字元(-)

　2.名字不能以數字開頭；可以用字母、文字或者下劃線開頭。

　3.名字不能以字母xml (或XML 或Xml ..) 開頭；

　4.名字中不能包含空格。

三、 元素

位于開始标記與結束标記間

一份文檔有且隻有一個根元素。

根元素下的所有元素叫“子元素”。

不包含自子元素的元素叫“葉子”；包含子元素的元素叫“分支”。

如： <eric>…… </eric>

四、 屬性

一個元素的開始标志中的名稱－值對

所有的屬性值必須位于單引号或雙引号中。

每一個元素的屬性不允許出現超過一次。

開始标志内，類似指派語句

如：<eric age="80">……</eric>

五、 注釋

注釋可以出現在文檔的任何位置。(但不建議放在聲明前面，部分浏覽器會報錯)

注釋以 <!-- 開始，以 --> 結束。

注釋内不能包含雙連字元（--）；除此之外，注釋可以包含任何内容。

注釋内的任何标記都被忽略

六、 處理指令

處理指令是為使用一段特殊代碼而設計的标記，簡稱為PI。

大多數XML 文檔都是以XML 聲明開始，該聲明本身就是特殊的處理指令。

處理指令對應用程式特定的資料進行編碼。一條處理指令包含一個目标，後跟資料。用<?和?>定界符将處理指令包起來。

目标确定應用程式，而對應用程式不能識别的目标，其會忽略這些處理指令。

七、 實體

XML 規範預定義了五個實體。

< ==== <

> ==== >

" ==== ”

' ==== ‘

& ==== &

自定義實體:在DTD中定義 <!ENTITY 實體标志 "實體内容">

在xml中引用自定義實體，用 &實體标志; 代表實體内容。

另外，無法從鍵盤輸入的字元可以使用字元引用，就是用字元的Unicode代碼點來引用該字元。

以"&#x"開始字元引用，以分号結尾，x必須為小寫，使用十六進制。如： = 表示等于号。

也可以使用字元引用來引用 <,>,',",& "

檢視字元的代碼點（附件-> 系統工具-> 字元映射表）。

八、 CDATA

當一段文本中出現很多實體引用和字元引用時，會導緻文本資料的讀寫困難，CDATA段就是為了解決這一問題引入的。

DATA區段開始于 "<![CDATA[" 結束于 "]]>"

CDATA内部的所有東西都會被解析器忽略解析，不用檢查它的格式。

但是CDATA段中不能嵌套另一個CDATA段。

九、 屬性

屬性是标記的屬性，可以為标記添加附加資訊。

(1)屬性的組成

屬性是一個名值對，必須由名稱和值組成，屬性必須在标記的開始标記或空标記中聲明，用"="為屬性指定一個值。

文法如下：

<标記名稱 屬性清單/>

<标記名稱 屬性清單>XXX</标記名稱>

例如: <桌子 width="40" height='100'/>

(2)使有屬性的原則

屬性不展現資料的結構，隻是資料的附加資訊；

一個資訊是作為一個标記的屬性或子标記，取決于具體問題，不要因為屬性的頻繁使用破壞XML的資料結構。

下面是一個結構清晰的XML檔案:

<樓房 height="23m" width="12m">

<結構>混凝土</結構>

<類别>商用</類别>

</樓房>

下面是一個結構不清晰的XML檔案:

<樓房 height="23m" width="12m" 結構="混凝土" 建築商="華海集團" 類别="商用"></樓房>

十、 名稱空間/包

XML檔案允許自定義标記，是以可能出現同名字的标記，為了區分這些标記，就需要使用名稱空間。

名稱空間的目的是有效的區分相同的标記，其實并不真實存在。

文法： 聲明有字首的名稱空間 xmlns:字首名=名稱空間的名字

聲明無字首的名稱空間 xmlns=名稱空間的名字 (預設)

注意：當且僅當它們的名字相同時稱二個名稱空間相同，也就是說，對于有字首的名稱空間，如果二個名稱空間的名字相同，即使字首不相同，也是相同的名稱空間，返之同然。字首隻是友善引用而已。

基本術語

一、序言Prolog：包括XML聲明(XML Declaration)和文檔類型聲明(Document Type Declaration)。

二、良構(well-formed 規範的)：符合W3C定義的XML文檔。

驗證

為什麼需要驗證？

對XML檔案施加額外的限制，以便交流。

一、DTD驗證

文檔類型定義(Document Type Definition)

DTD定義了XML文檔内容的結構，保證XML以一緻的格式存儲資料。精确的定義詞彙表，對XML的内容施加限制。

符合DTD的規範XML文檔稱為有效的文檔。由DTD定義的詞彙表以及文檔文法，XML解析器可以檢查XML文檔内容的有效性。

規範的XML檔案不一定是有效的；有效的一定是規範的。

1、 DTD聲明

1) DTD聲明可以在單獨的一個檔案中

2) DTD聲明可以内嵌在XML檔案中

3) DTD聲明可以一部分在單獨的檔案中，另一部分内嵌在XML檔案中

2、 引入外部DTD檔案

<!DOCTYPE data SYSTEM "Client.dtd">

Data：根節點名稱

Client.dtd：dtd檔案路徑

3、 DTD四種标記聲明

元素(ELEMENT)、屬性(ATTLIST)、實體(ENTITY)、符号(NOTATION)

1) 元素(ELEMENT) XML元素類型聲明

聲明元素： <!ELEMENT elementName (contentModel)>

元素的内容通過内容模式來描述。

DTD 内容模式的種類有：

EMPTY 元素不能包含任何資料，但可以有屬性(前提是必須聲明其屬性)。

不能有子元素。不能有文本資料（包括空白，換行符）。

DTD中定義： <!ELEMENT elementName EMPTY>

XML中：<elementName/>（推薦） 或者：<elementName></elementName>

(#PCDATA) 規定元素隻包含已析的字元資料，而不包含任何類型的子元素的内容類型。

DTD中定義： <!ELEMENT student (#PCDATA)>

XML中合法内容： <student>watching TV</student>

(Elements) 元素由内容模式部件指定。

<!ELEMENT name (child particles) >

内容模式部件可以是下表列出的内容。

<!ELEMENT name (a,b)> 子元素a、b必須出現，且按照清單的順序

<!ELEMENT name (a|b)> 選擇；子元素a、b隻能出現一個

<!ELEMENT name (a) > 子元素a隻能且必須出現一次

<!ELEMENT name (a)+ > 子元素a出現一次或多次

<!ELEMENT name (a)* > 子元素a出現任意次(包括零次、一次及多次)

<!ELEMENT name (a)? > 子元素a出現一次或不出現

Mixed 混合模式：子元素中既可有文本資料又可有下級子元素。

<!ELEMENT rn (#PCDATA| an | en)*>“|”和“*”必須寫。

上句表示在 rn 内，字元資料 或 en及an 可以出現任意多次，順序不限。

優先寫(#PCDATA) 如：(#PCDATA|name)* 正确 (name|#PCDATA)* 錯誤

ANY 元素可以包含任何類型的資料。子元素(必須在DTD中有定義) 和 文本資料(包括空白)。

DTD中定義： <!ELEMENT a ANY> <!ELEMENT b ANY>

XML中合法内容： <a>somngthing</a> 或者 <a/> 或者 <a><b>oo</b></a>

2) 屬性(ATTLIST) 特定元素類型可設定的屬性&屬性的允許值聲明

<!ATTLIST elementName

attributeName1 attributeType attributeDefault

.......

attributeNameN attributeType attributeDefault>

屬性類型 (Attribute Type)：

CDATA該屬性隻能包含字元資料(注意與CDATA段、PCDATA的差別)

NMTOKEN 是CDATA的子集，它的字元隻能是字母,數字,句點,破折号,下劃線或冒号。

NMTOKENS 類似NMTOKEN，但這個可以包含多個值，每個值之間用空格隔開。

ID 該屬性的取值在同一文檔内是唯一的。一個元素隻能有一個ID類型的屬性。

IDREF 類似指針，指向文檔中其他地方聲明的ID值。如果該屬性取值和指向的ID值不比對，則傳回錯誤。

IDREFS 類似IDREF，但它可以具有由空格分隔開的多個引用。

ENTITY 該屬性的值必須對應一個在文檔内部聲明的但還沒有分析過的實體。

ENTITYS 類似ENTITY，但它可以包含由空格分隔開的多個實體。

NOTATION 該屬性的值必須引用在文檔中其他地方聲明的某個注釋的名稱。

(enumerated) 類似枚舉的變量，該屬性必須比對所列的值。各值用“|”分隔開。

如： (春|夏|秋|冬) 實際内容文檔隻能從中取一個。

屬性特性 (Attribute Default) ：

#REQUIRED 必須有且隻能有一個屬性。

#IMPLIED 可有可無。

#FIXED 在DTD中定義預設值，XML中可以不指定，指定則必須等于該預設值。

attribute-value 如果不指定則用DTD定義的預設值，指定則用指定的值。

<![CDATA[############ 屬性(ATTLIST)的舉例 ############## ]]>

例一（#REQUIRED）

DTD中： <!ELEMENT el (#PCDATA)> <!ATTLIST el at1 NMTOKENS #REQUIRED at2 CDATA #REQUIRED>

XML中，正确： <el at1 = "10 20" at2="10" >something</el>

XML中，錯誤： <el at="10">something</el> (沒有寫另一個#REQUIRED的屬性 at2 )

例二(#IMPLIED，#FIXED)

DTD中： <!ELEMENT el (#PCDATA)> <!ATTLIST el at CDATA #FIXED "10" at2 CDATA #IMPLIED >

XML中，正确： <el at2="20" >something</el> （at有預設值"10"，at2 可寫可不寫)

XML中，錯誤： <el at="11" >something</el>（at要麼不寫，要寫隻能寫成跟預設值相同的）

例三(attribute-value)

DTD中：<!ELEMENT el (#PCDATA)> <!ATTLIST el at CDATA "10" at2 CDATA "20" >

XML中，正确： <el at="11" >something</el>

例四(enumerated + attribute-value)

DTD中：<!ELEMENT el (#PCDATA)> <!ATTLIST el at (10|20|30) "10">

XML中，正确： <el at="20">something</el> (at要麼不寫，預設值 10；要麼在(10|20|30)中選一個寫)

<![CDATA[############ 屬性(ATTLIST)舉例 完畢 ############## ]]>

3) 實體(ENTITY) 可重用的内容聲明

在DTD中定義 <!ENTITY 實體标志 "實體内容">

在xml中引用自定義的實體，用 &實體标志; 代表實體内容。

4) 符号(NOTATION) 不要解析的外部内容的格式聲明。

3、 内部實體：在xml檔案裡面寫(少用)

外部實體：另外在xml同一檔案夾下建立一個dtd檔案(提倡)

<!--**************** 内外部的實體舉例 ***************** -->

外部的：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>

<!DOCTYPE root SYSTEM "goodsInfo.dtd"><!--用這句引用外部dtd-->

<root><goodsInfo>

<goodsName>goodsName</goodsName>

<goodsPrice>goodsPrice</goodsPrice>

</goodsInfo></root>

以下是名為"goodsInfo.dtd"檔案

<!ELEMENT root (goodsInfo)>

<!ELEMENT goodsInfo (goodsName,goodsPrice)>

<!ELEMENT goodsName (#PCDATA)>

<!ELEMENT goodsPrice (#PCDATA)>

内部的：

<?xml version="1.0"?>

<!DOCTYPE root [

<!ELEMENT root(student)>

<!ELEMENT student (#PCDATA)>

<!ENTITY CCTV "中央電視台">

]> <!--把DTD檔案寫在體内-->

<root><student>

student watch &CCTV;<!--使用自定義實體 CCTV-->

</student></root>

<!--***************** 内外部的實體舉例 完畢 ********************** -->

XML處理模式

一、 DOM 文檔對象模式

1.DOM特點：

以樹型結構通路XML文檔。 一棵DOM樹包含全部元素節點和文本節點。可以前後周遊樹中的每一個節點。

整個文檔樹在記憶體中，便于操作；支援删除、修改、重新排列等多種功能。

将整個文檔調入記憶體（包括無用的節點），浪費時間和空間。

一旦解析了文檔還需多次通路這些資料；硬體資源充足（記憶體、CPU）情況下使用。

2.DOM樹與節點

XML文檔被解析成樹型結構。

樹由節點組成。共有12種不同的節點。

節點可以包含其他節點（依賴于節點的類型）。

父節點包含子節點。葉子節點沒有子節點。

3.節點類型

Document node 包含：一個根Element節點。一個或多個處理指令節點。

Document Fragment node

Element node包含：其他Element節點。若幹個Text節點。若幹個Attribute節點。

Attribute node 包含：一個Text節點。

Text node

Comment node

Processing instruction node

Document type node

Entity node

Entity reference node

CDATA section node

Notation node

二、 SAX 基于事件處理模式

解析器向一個事件處理程式發送事件，比如元素開始和元素結束，而事件處理器則處理該資訊。

然後應用程式本身就能夠處理該資料。原始的文檔仍然保留完好無損。

<![CDATA[################## SAX處理器(周遊XML) ###########################]]>

import java.io.IOException;

import javax.xml.parsers.ParserConfigurationException;

import javax.xml.parsers.SAXParser;

import javax.xml.parsers.SAXParserFactory;

import org.xml.sax.Attributes;

import org.xml.sax.SAXException;

import org.xml.sax.SAXParseException;

import org.xml.sax.helpers.DefaultHandler;

public class TestSAXParser {

/** 基于SAX方式解析XML文檔 */

public static void main(String[] args)

throws SAXException,ParserConfigurationException,IOException{

SAXParserFactory factory = SAXParserFactory.newInstance(); //建立SAX解析器工廠

factory.setValidating(true); //讓error方法生效

SAXParser parser = factory.newSAXParser(); //生成一個具體的SAX解析器

parser.parse("src/file/student.xml",new XMLreader()); //開始解析

}}

class XMLreader extends DefaultHandler {

// 隻需覆寫我們感興趣的方法

private int counter = 0;// 定義一個計數器，儲存XML文檔觸發事件的次數

@Override // 文檔開始事件觸發

public void startDocument() throws SAXException {

counter++;

System.out.println(counter + ".解析XML檔案開始...");}

@Override // 文檔結束事件觸發

public void endDocument() throws SAXException {

System.out.println("\r\n"+counter + ".解析XML檔案結束...");}

@Override // 元素開始事件觸發

public void startElement(String uri, String localName, String qName,

Attributes atts) throws SAXException {

System.out.print(counter+".<"+qName);

for(int i=0; i<atts.getLength();i++){ //讀取标志的所有屬性

System.out.print(" "+atts.getLocalName(i)+"="+atts.getValue(i));

}System.out.print(">"); }

@Override // 元素結束事件觸發

public void endElement(String uri, String localName, String qName) throws SAXException {

System.out.print(counter +".</"+qName+">");}

@Override // 文本事件觸發 列印時盡量不要換行，否則很難看

public void characters(char[] ch, int start, int length)throws SAXException {

String text = new String(ch, start, length); // 目前元素的文本值

System.out.print(counter + ".Text=" + text);}

@Override //這是可恢複錯誤。需在SAXParserFactory設定有效性錯誤才能生效

public void error(SAXParseException e) throws SAXException {

System.out.println("xml文檔有效性錯誤："+e);}

@Override //嚴重錯誤

public void fatalError(SAXParseException e) throws SAXException {

System.out.println("xml文檔嚴重的有效性錯誤："+e);}

}

<![CDATA[################## SAX處理器(周遊XML)結束 ###########################]]>

三、 DOM

<![CDATA[######################### DOM周遊方式 ###########################]]>

import java.io.File;

import javax.xml.parsers.DocumentBuilder;

import javax.xml.parsers.DocumentBuilderFactory;

import org.w3c.dom.Attr;

import org.w3c.dom.Document;

import org.w3c.dom.Element;

import org.w3c.dom.NamedNodeMap;

import org.w3c.dom.Node;

import org.w3c.dom.NodeList;

/**基于DOM的解析XML文檔*/

public class TestDOMParser {

throws ParserConfigurationException,SAXException,IOException{

//建立一個DOM解析器工廠

DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();

//從工廠中生成一個DOM解析器； throws ParserConfigurationException

DocumentBuilder builder = factory.newDocumentBuilder();

//綁定需要解析的XML檔案

File xmlFile = new File("src/file/student.xml");//相對位址，相對于這個工程

//開始解析 ；throws SAXException,IOException

Document document = builder.parse(xmlFile);

//取出唯一的根元素

Element rootElement = document.getDocumentElement();

//調用業務方法： 周遊根元素

printElement(rootElement);

/** 周遊元素，包含： 子元素、屬性、文本内容 */

private static void printElement(Element e){

//列印出元素的标簽名

System.out.print("<"+e.getTagName());

//擷取開始标簽的屬性

NamedNodeMap attMap = e.getAttributes();

//循環周遊所有的屬性

for (int i=0;i<attMap.getLength();i++){

Attr attr = (Attr)attMap.item(i);

System.out.print(" "+attr.getName()+"=\""+attr.getValue()+"\"");}

System.out.print(">");

//擷取目前元素的所有子節點

NodeList nl = e.getChildNodes();

for (int j=0;j<nl.getLength();j++){

Node n = nl.item(j);

if (Node.ELEMENT_NODE==n.getNodeType()){

printElement((Element)n);//遞歸調用，以周遊下一個元素

} else {

System.out.print(n.getTextContent());

//列印結束标簽

System.out.print("</"+e.getTagName()+">");

<![CDATA[ ###################### DOM周遊 完畢 ##########################]]>

比較DOM與SAX：

DOM:處理大型檔案時其性能下降的非常厲害。這個問題是由DOM的樹結構所造成的，這種結構占用的記憶體較多，而且DOM必須在解析檔案之前把整個文檔裝入記憶體,适合對XML的随機通路

優點：1.提供随機定義元素操作，來回移動指針

2.将整個XML檔案一次性加載到記憶體，形成虛的記憶體樹

缺點：1.如果XML檔案較大，記憶體空間占用較大

2.強制将較大的XML檔案加載到記憶體中，有可能損害檔案

3.功能通用性

SAX:不同于DOM,SAX是事件驅動型的XML解析方式。它順序逐行讀取XML檔案，不需要一次全部裝載整個檔案。當遇到像檔案開頭，文檔結束，或者标簽開頭與标簽結束時，它會觸發一個事件，使用者通過在其回調事件中寫入處理代碼來處理XML檔案，适合對XML的順序通路