XML学习

XML 概述

XML（Extensible Markup Language）是一种可扩展标记语言，是 SGML 的子集。与 HTML 不同，XML 标签可以由用户自定义，具有极高的灵活性。W3C 于 1998 年发布 XML 1.0 版本，2004 年发布 1.1 版本，但因不向下兼容而未被广泛使用，目前主流仍为 1.0 版本。

XML 的主要作用包括作为程序的配置文件、不同语言之间的数据交换媒介以及作为小型数据库存储数据。与 HTML 相比，XML 的标签是自定义的，需要自定义解析器进行解析，主要用于数据存储、配置和交换。

XML 语法基础

XML 文档声明必须位于第一行第一列，格式如下：

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

• version：必须指定，当前主流为 1.0。
• encoding：可选，默认为 UTF-8。
• standalone：可选，表示是否依赖外部约束文件。

XML 元素必须有且仅有一个根元素，元素命名区分大小写，不能以数字或xml开头，不能包含空格。空元素可以简写为<hello/>。

属性必须用引号（单引号或双引号）包裹，同一元素中不能有重复属性名。注释格式为<!-- 这是注释 -->。

特殊字符需要使用转义字符，例如<转义为<，>转义为>。大量特殊字符可以使用 CDATA 区：

<![CDATA[ <a> 这里不需要转义 </a> ]]>

XML 约束：DTD 与 Schema

DTD（Document Type Definition）是一种平面式文档，扩展名为.dtd，用于约束元素、顺序和数量。例如：

<!ELEMENT students (student+)> <!ELEMENT student (name,age,sex)> <!ELEMENT name (#PCDATA)>

Schema（.xsd）本身是 XML 文档，支持数据类型、命名空间和继承等功能，推荐使用 Schema，因其功能更强大且语法统一。

XML 解析技术

DOM 和 SAX 是两种常见的 XML 解析方式。DOM 将 XML 加载为树结构，适合增删改查，但大文件性能较差；SAX 采用事件驱动方式，内存占用小，但只能读取。

DOM4J 是专为 Java 开发者设计的 XML 解析规范，比 DOM 更简洁。常用操作包括读取 XML、获取根元素、遍历子元素以及保存 XML。例如：

SAXReader reader = new SAXReader(); Document doc = reader.read("students.xml"); Element root = doc.getRootElement(); List<Element> students = root.elements(); for (Element stu : students) { String number = stu.attributeValue("number"); String name = stu.elementText("name"); System.out.println(number + " : " + name); }

保存 XML 的示例：

OutputFormat format = new OutputFormat("\t", true); format.setEncoding("UTF-8"); XMLWriter writer = new XMLWriter(new FileWriter("out.xml"), format); writer.write(doc); writer.close();

XPath：快速定位 XML 节点

XPath 是一种 XML 查询语言，DOM4J 对其提供了良好支持。常用操作包括：

List<Node> nodes = document.selectNodes("//student[@number='1001']"); Node node = document.selectSingleNode("/students/student[1]"); String value = document.valueOf("//student/name");

常用 XPath 表达式示例：