分析詳解什么尚

講師：佟剛新浪微博：尚硅谷-佟剛XML及XML解析什么是XML什么是XML，為什么學(xué)習(xí)XML?中國(guó)北京湖南湖北海淀豐臺(tái)長(zhǎng)沙岳陽(yáng)武漢荊州在現(xiàn)實(shí)生活中大量存在有關(guān)系的數(shù)據(jù)，如圖所示。問(wèn)題：這樣的數(shù)據(jù)如何交給計(jì)算機(jī)處理呢？ExtensibleMarkupLanguage，翻譯過(guò)來(lái)為可擴(kuò)展標(biāo)記語(yǔ)言。Xml技術(shù)是w3c組織發(fā)布的，目前推薦遵循的是W3C組織于2000發(fā)布的XML1.0規(guī)范。XML技術(shù)用于解決什么問(wèn)題？<?xmlversion="1.0"encoding="UTF-8"?><中國(guó)> <北京> <海淀></海淀> <豐臺(tái)></豐臺(tái)> </北京> <遼寧> <沈陽(yáng)></沈陽(yáng)> <大連></大連> </遼寧> <吉林> <長(zhǎng)春></長(zhǎng)春> <四平></四平> </吉林></中國(guó)>XML語(yǔ)言出現(xiàn)的根本目標(biāo)在于描述上圖那種，在現(xiàn)實(shí)生活中經(jīng)常出現(xiàn)的有關(guān)系的數(shù)據(jù)。在XML語(yǔ)言中，它允許用戶自定義標(biāo)簽。一個(gè)標(biāo)簽用于描述一段數(shù)據(jù)；一個(gè)標(biāo)簽可分為開始標(biāo)簽和結(jié)束標(biāo)簽，在開始標(biāo)簽和結(jié)束標(biāo)簽之間，又可以使用其它標(biāo)簽描述其它數(shù)據(jù)，以此來(lái)實(shí)現(xiàn)數(shù)據(jù)關(guān)系的描述。例如：XML常見(jiàn)應(yīng)用XML技術(shù)除用于保存有關(guān)系的數(shù)據(jù)之外，它還經(jīng)常用作軟件配置文件，以描述程序模塊之間的關(guān)系。在一個(gè)軟件系統(tǒng)中，為提高系統(tǒng)的靈活性，它所啟動(dòng)的模塊通常由其配置文件決定例如一個(gè)軟件在啟動(dòng)時(shí)，它需要啟動(dòng)Ａ、Ｂ兩個(gè)模塊，而A、Ｂ這兩個(gè)模塊在啟動(dòng)時(shí)，又分別需要A1、A2和B1、B2模塊的支持，為了準(zhǔn)確描述這種關(guān)系，此時(shí)使用XML文件最為合適不過(guò)。XML文檔規(guī)則XML文檔的分類格式不良好(malformed)的xml文檔:完全沒(méi)有遵守xml文檔的基本規(guī)范的xml文檔。格式良好(well-formed)的但無(wú)效的xml文檔:遵守xml文的基本規(guī)范,但沒(méi)有使用dtd或schema定義語(yǔ)義約束的xml文檔。有效(valid)的xml文檔：遵守xml文的基本規(guī)范,并使用dtd或schema定義語(yǔ)義約束，而且也完全遵守了dtd或schema定義語(yǔ)義約束的xml文檔。XML語(yǔ)法一個(gè)XML文件分為如下幾部分內(nèi)容：文檔聲明元素屬性注釋CDATA區(qū)、特殊字符處理指令（processinginstruction）XML語(yǔ)法－文檔聲明在編寫XML文檔時(shí)，需要先使用文檔聲明，聲明XML文檔的類型。最簡(jiǎn)單的聲明語(yǔ)法：

<?xmlversion="1.0"?>用encoding屬性說(shuō)明文檔的字符編碼：

<?xmlversion="1.0"encoding="GB2312"?>

用standalone屬性說(shuō)明文檔是否獨(dú)立：

<?xmlversion="1.0"encoding="GB2312"standalone="yes"?>常見(jiàn)錯(cuò)誤，見(jiàn)PPT下面的備注區(qū)元素(1)XML元素指XML文件中出現(xiàn)的標(biāo)簽，一個(gè)標(biāo)簽分為開始標(biāo)簽和結(jié)束標(biāo)簽，一個(gè)標(biāo)簽有如下幾種書寫形式，例如：包含標(biāo)簽體：<a>atguigu</a>不含標(biāo)簽體的：<a/>一個(gè)標(biāo)簽中也可以嵌套若干子標(biāo)簽。但所有標(biāo)簽必須合理的嵌套，絕對(duì)不允許交叉嵌套，例如：

<a>eto<b>atguigu</a></b>格式良好的XML文檔必須有且僅有一個(gè)根標(biāo)簽，其它標(biāo)簽都是這個(gè)根標(biāo)簽的子孫標(biāo)簽。元素(2)對(duì)于XML標(biāo)簽中出現(xiàn)的所有空格和換行，XML解析程序都會(huì)當(dāng)作標(biāo)簽內(nèi)容進(jìn)行處理。例如：下面兩段內(nèi)容的意義是不一樣的。第一段：<網(wǎng)址>atguigu</網(wǎng)址>第二段：

<網(wǎng)址> atguigu </網(wǎng)址>由于在XML中，空格和換行都作為原始內(nèi)容被處理，所以，在編寫XML文件時(shí)，使用換行和縮進(jìn)等方式來(lái)讓原文件中的內(nèi)容清晰可讀的“良好”書寫習(xí)慣可能要被迫改變。元素(3)——命名規(guī)范一個(gè)XML元素可以包含字母、數(shù)字以及其它一些可見(jiàn)字符，但必須遵守下面的一些規(guī)范：區(qū)分大小寫，例如，<P>和<p>是兩個(gè)不同的標(biāo)記。不能以數(shù)字或"_"(下劃線)開頭。不能以xml(或XML、或Xml等)開頭。不能包含空格。名稱中間不能包含冒號(hào)（:）。屬性一個(gè)標(biāo)簽可以有多個(gè)屬性，每個(gè)屬性都有它自己的名稱和取值，例如：<inputname=“text”/>屬性值一定要用雙引號(hào)（"）或單引號(hào)（'）引起來(lái)定義屬性必須遵循與標(biāo)簽相同的命名規(guī)范多學(xué)一招：在XML技術(shù)中，標(biāo)簽屬性所代表的信息，也可以被改成用子元素的形式來(lái)描述，例如：

<input> <name>text</name> </input>注釋XML文件中的注釋采用：“<!--注釋-->”格式。注意：XML聲明之前不能有注釋注釋不能嵌套，例如：

<!--大段注釋

…… <!--局部注釋--> …… -->CDATA區(qū)在編寫XML文件時(shí)，有些內(nèi)容可能不想讓解析引擎解析執(zhí)行，而是當(dāng)作原始內(nèi)容處理。遇到此種情況，可以把這些內(nèi)容放在CDATA區(qū)里，對(duì)于CDATA區(qū)域內(nèi)的內(nèi)容，XML解析程序不會(huì)處理，而是直接原封不動(dòng)的輸出。語(yǔ)法：<![CDATA[內(nèi)容]]> <![CDATA[ <atguigu> <br/> </atguigu> ]]>轉(zhuǎn)義字符對(duì)于一些單個(gè)字符，若想顯示其原始樣式，也可以使用轉(zhuǎn)義的形式予以處理。處理指令處理指令，簡(jiǎn)稱PI（processinginstruction）。處理指令用來(lái)指揮解析引擎如何解析XML文檔內(nèi)容。例如，在XML文檔中可以使用xml-stylesheet指令，通知XML解析引擎，應(yīng)用css文件顯示xml文檔內(nèi)容。

<?xml-stylesheettype="text/css"href="1.css"?>處理指令必須以“<?”作為開頭，以“?>”作為結(jié)尾，XML聲明語(yǔ)句就是最常見(jiàn)的一種處理指令。XML解析XML的解析器在解析XML文檔時(shí)，通常是利用現(xiàn)有的XML解析器軟件對(duì)XML文檔進(jìn)行分析，而應(yīng)用程序則通過(guò)解析器提供的API接口得到XML數(shù)據(jù)XML文檔應(yīng)用程序APIXML解析器目前幾乎所有的解析器都對(duì)兩套標(biāo)準(zhǔn)的API提供了支持，他們是DOM和SAXDOM,SAX和JAXPDOM(DocumentObjectModel,即文檔對(duì)象模型)是W3C組織推薦的處理XML的標(biāo)準(zhǔn)接口SAX(SimpleAPIforXML)不是某個(gè)官方標(biāo)準(zhǔn)，，但它是XML社區(qū)事實(shí)上的標(biāo)準(zhǔn)，幾乎所有的XML解析器都支持它DOM和SAX只是定義了一些接口，以及接口的默認(rèn)實(shí)現(xiàn)，一個(gè)應(yīng)用程序要想利用DOM或SAX訪問(wèn)XML，還需要一個(gè)實(shí)現(xiàn)了DOM或SAX的解析器不同解析器的實(shí)現(xiàn)類是不同的，在底層更換解析器時(shí)，需要少量的修改應(yīng)用程序的代碼。為了屏蔽具體廠商的XML解析器實(shí)現(xiàn)，使Java程序員以一種標(biāo)準(zhǔn)的方式對(duì)XML進(jìn)行編程，SUN公司制定了JAXP(JavaAPIforXMLProcessing)規(guī)范JAXP并沒(méi)有提供解析XML的新方法，也沒(méi)有為XML的處理器提供新功能，它只是在解析器之上提供了一個(gè)抽象層，允許程序員以獨(dú)立于廠商的API訪問(wèn)XML數(shù)據(jù)JAXP從JAXP1.1開始，JAXP成為了J2SE和J2EE的一部分JAXP開發(fā)包由javax.xml包及其子包，org.w3c.dom包及其子包，org.xml.sax包及其子包組成在javax.xml.parsers包中，定義了幾個(gè)工廠類，用于加載DOM和SAX的實(shí)現(xiàn)類。JAXP由接口，抽象類和一些輔助類組成，符合JAXP規(guī)范的解析器實(shí)現(xiàn)其中的接口和抽象類，程序員只要使用JAXP的API編程，底層的解析器就可以隨意切換了。DOM概述DOM是獨(dú)立于程序語(yǔ)言的，W3C組織以IDL(InterfaceDefinitionLanguage,接口定義語(yǔ)言)的形式定義了DOM中的接口某種程序語(yǔ)言要實(shí)現(xiàn)DOM，需要將DOM接口轉(zhuǎn)換為本語(yǔ)言中的對(duì)應(yīng)結(jié)構(gòu)。DOM結(jié)構(gòu)模型DOM中的核心概念是節(jié)點(diǎn)。DOM在解析XML文檔時(shí)，將組成XML文檔的各個(gè)部分(元素，屬性，文本等)映射為一個(gè)對(duì)象，這個(gè)對(duì)象就是一個(gè)節(jié)點(diǎn)在內(nèi)存中，這些節(jié)點(diǎn)形成一棵文檔樹。整棵樹也是一個(gè)節(jié)點(diǎn)，樹中的每一個(gè)子節(jié)點(diǎn)也是一棵樹(子樹).DOM就是對(duì)一棵樹的一個(gè)對(duì)象表示，通過(guò)訪問(wèn)樹中的節(jié)點(diǎn)來(lái)存取XML文檔的內(nèi)容。DOM定義了一個(gè)Node接口，用于表示文檔樹中的一個(gè)節(jié)點(diǎn)。從這個(gè)接口派生處更多的具體的接口：表示整個(gè)文檔的Document對(duì)象，表示XML文檔中元素的Element接口，表示屬性元素的Attr接口等DOM中的節(jié)點(diǎn)類型XML中最常見(jiàn)的節(jié)點(diǎn)類型是：文檔，元素，文本和屬性，在DOMAPI中對(duì)應(yīng)的接口是:Document,Element,Text和Attr。文檔節(jié)點(diǎn) 文檔節(jié)點(diǎn)是文檔樹的根節(jié)點(diǎn)，也是文檔中其他所有節(jié)點(diǎn)的父節(jié)點(diǎn)。文檔節(jié)點(diǎn)并不是XML文檔的根元素，因?yàn)樵赬ML文檔中，處理指令，注釋等內(nèi)容可以出現(xiàn)在根節(jié)點(diǎn)之外，所以在構(gòu)造DOM樹時(shí)，根元素并不適合作為根節(jié)點(diǎn)，而作為文檔節(jié)點(diǎn)的子節(jié)點(diǎn)。在DOMAPI中根節(jié)點(diǎn)是通過(guò)org.w3c.dom.Document接口來(lái)表示的。為了得到XML文檔的根元素,在Document接口中可以調(diào)用如下方法：ElementgetDocumentElement();元素節(jié)點(diǎn)元素節(jié)點(diǎn)表示了XML文檔中的元素。元素?fù)碛凶釉?，文本?jié)點(diǎn)或兩者的組合元素節(jié)點(diǎn)也是唯一能夠擁有屬性的節(jié)點(diǎn)類型在DOMAPI中，元素節(jié)點(diǎn)是通過(guò)org.w3c.dom.Element接口定義的。文本節(jié)點(diǎn)文本節(jié)點(diǎn)是只包含文本內(nèi)容的節(jié)點(diǎn)，也可以只包含空白在文檔樹中，元素和屬性的文本內(nèi)容都是由文本節(jié)點(diǎn)來(lái)表示的在DOMAPI中，文本節(jié)點(diǎn)是由org.w3c.dom.Text接口來(lái)表示的。屬性節(jié)點(diǎn)屬性節(jié)點(diǎn)代表了元素中的屬性在DOMAPI中，屬性節(jié)點(diǎn)通過(guò)org.w3c.dom.Attr接口來(lái)表示因?yàn)閷傩詫?shí)際上是附屬于元素的，所以屬性節(jié)點(diǎn)不是元素的子節(jié)點(diǎn)，而不作為單獨(dú)的節(jié)點(diǎn)在文檔樹中出現(xiàn)NodeList接口NodeListorg.w3c.dom.NodeList接口提供了一個(gè)有序節(jié)點(diǎn)集合的抽象NodeList是活動(dòng)的：例如使用Node接口的getChildNodes()方法得到一個(gè)節(jié)點(diǎn)的子節(jié)點(diǎn)列表，然后調(diào)用removeChild()等方法都會(huì)影響到NodeList對(duì)象，也就是說(shuō)，當(dāng)再次調(diào)用getLength()方法的返回值和以前會(huì)不一樣。DOM解析工廠和DOM解析器在javax.xml.parsers包中，定義了DOM解析器工廠類DocumentBuilderFactory,用于產(chǎn)生DOM解析器。DocumentBuilderFactory是一個(gè)抽象類，在這個(gè)類中提供了一個(gè)靜態(tài)方法newInstance()方法來(lái)創(chuàng)建工廠類的一個(gè)實(shí)例DocumentBuilderFactory本身是一個(gè)抽象類，不能直接實(shí)例化，這就需要一個(gè)從DocumentBuilderFactory類繼承的實(shí)現(xiàn)類，而這個(gè)實(shí)現(xiàn)類是由JAXP規(guī)范的解析器提供商給出的。解析器的提供商為自身的解析器編寫一個(gè)從DocumentBuilderFactory類繼承的工廠類，然后由這個(gè)工廠類的實(shí)例負(fù)責(zé)產(chǎn)生解析器對(duì)象newInstance()方法通過(guò)一下4種途徑依次查找解析器工廠類：查看是否設(shè)置了javax.xml.parsers.DocumentBuilderFactory系統(tǒng)屬性查找jre目錄種的lib目錄下的perties文件在classpath環(huán)境變量所指定的jar文件種，查找META-INF/services目錄下的javax.xml.DocumentBuilderFactory文件，使用這個(gè)文件所指定的工廠類名來(lái)構(gòu)造工廠類的實(shí)例采用平臺(tái)默認(rèn)的解析器工廠類DOM解析XML文檔的步驟調(diào)用DocumentBuilderFactory.newInstance()方法得到DOM解析器工廠類實(shí)例調(diào)用解析器工廠實(shí)例類的newDocumentBuilder()方法得到DOM解析器對(duì)象調(diào)用DOM解析器對(duì)象的parse()方法解析XML文檔得到代表整個(gè)文檔的Document對(duì)象使用SAX解析XML文檔--Why在使用DOM解析XML文檔時(shí)，需要讀取整個(gè)XML文檔，然后在內(nèi)存中創(chuàng)建DOM樹，生成DOM樹上的每個(gè)節(jié)點(diǎn)對(duì)象，只有在整個(gè)DOM樹創(chuàng)建完成后，才能做需要的修改操作，即使是只需要修改根元素節(jié)點(diǎn)的第一個(gè)子節(jié)點(diǎn)。當(dāng)XML文檔較大時(shí)，構(gòu)建DOM樹將花大量的時(shí)間和內(nèi)存SAX允許在讀取文檔的時(shí)候，即對(duì)文檔進(jìn)行處理，解析完畢也就處理完成了，不必等到整個(gè)文檔被分析儲(chǔ)存之后才進(jìn)行操作SAX的處理機(jī)制SAX是一種基于事件驅(qū)動(dòng)的API利用SAX解析XML文檔，涉及兩個(gè)部分：解析器和事件處理器：解析器負(fù)責(zé)讀取XML文檔，并向事件處理器發(fā)送事件事件處理器負(fù)責(zé)對(duì)事件做出相應(yīng)，對(duì)傳遞的XML數(shù)據(jù)進(jìn)行處理SAX解析器在解析這該文檔時(shí)，會(huì)產(chǎn)生下列事件。這些事件被發(fā)送到事件處理器中然后由事件處理器中相應(yīng)的方法對(duì)事件做出相應(yīng)解析器----XMLReader接口SAX解析器接口和事件處理器接口在org.xml.sax包中定義XMLReader接口是SAX2.0解析器必須實(shí)現(xiàn)的接口。該接口允許應(yīng)用程序設(shè)置和查詢解析器的功能和特性，注冊(cè)處理文檔的事件處理器，以及啟動(dòng)文檔的解析XML解析器提供商負(fù)責(zé)提供實(shí)現(xiàn)XMLReader接口的解析器類事件處理器----ContentHander接口SAXAPI定義了許多事件，這些事件分別由事件處理器中的相應(yīng)方法去響應(yīng)如果應(yīng)用程序要獲得基本的解析事件，需要實(shí)現(xiàn)ContentHandler(內(nèi)容事件處理器)接口，并使用XMLReader對(duì)象的setContentHeader()方法向解析器注冊(cè)一個(gè)ContentHandler實(shí)例。解析器使用這個(gè)實(shí)例來(lái)報(bào)告與文檔相關(guān)的基本事件。如：元素的開始和結(jié)束等。在ContentHandler接口中，事件的順序反映了文檔自身信息的順序。如：元素的所有內(nèi)容(字符數(shù)據(jù)，子元素)都將依次在startElement事件和endElem