编程技术是改变世界的力量。
本站
当前位置:网站首页 > 后端语言 > 正文

从零开始学Java之带你学会解析XML文件

gowuye 2024-04-04 11:54 10 浏览 0 评论

一. XML简介

1. 概念

XML(Extensible Markup Language,可扩展的标记语言) ,作为一种标记语言,它是标准通用标记语言的子集。XML给我们提供了可扩展性和自定义标签的特性,允许用户对自己的标记语言进行定义。同时XML也是一种常用的数据交换格式,可以用来标记数据、定义数据类型,使得它成为了Web开发中最常用的数据格式之一。

当然上面的概念比较抽象,作为初学者,你可能不太好理解。实际上,XML类似于HTML,它俩可以说是“堂兄弟”,两者都是标记语言。但与HTML不同的是,XML是可扩展的,这意味着用户可以定义自己的标记和元素,并且XML的设计目的是传输和存储数据,这就使得XML成了一种极为灵活的数据交换格式。

2. 使用场景

由于XML具有良好的可扩展性、内容与形式分离、遵循严格的语法要求、保值性良好等优点,所以XML文档可以应用于很多场景中,比如:

数据交换:XML可以用来标记数据、定义数据类型,使得它成为了Web开发中最常用的数据格式之一。 网络传输:XML文档可以通过HTTP协议在网络上传输,从而实现分布式应用程序之间的通信。 配置文件:很多软件和系统使用XML文档作为配置文件,以便用户可以通过修改XML文件来改变软件和系统的行为。 模板语言:XML可以用作模板语言(类似于HTML),用于生成动态的Web页面和报告。 数据库存储:一些数据库系统可以将XML文档存储为BLOB(二进制大对象),从而实现对XML文档的存储和查询。

3. 文档构成

我们一般是在一个.xml格式的文档中操作XML,而一个XML文档主要由标签、元素和属性组成。标签是XML文档中的基本单位,它们用来表示数据的开始和结束位置,“<>”是开始标签,“</>“是结束标签。元素是标签中包含的内容,它们可以包含其他的元素或文本内容。属性是元素的附加信息,它们定义了一个元素的特性和属性。我们来看看下面这个简单的XML文档:

xml

复制代码

<bookstore> <book category="children"> <title lang="en">跟壹哥学java</title> <author>一一哥</author> <year>2008</year> <price>29.99</price> </book> <book category="web"> <title lang="en">跟壹哥学XML</title> <author>壹哥</author> <year>2023</year> <price>39.88</price> </book> </bookstore>

在这个XML文档中,bookstore是一个元素,它包含了两个book元素。每个book元素都有一个category属性,表示书籍的类别。每个book元素中又包含了title、author、year和price四个子元素。title元素中还有一个lang属性,表示书籍的语言。

4. 文档规范

XML文档必须符合XML规范,包括正确的标记语法、正确的嵌套结构、正确的属性格式等。一个XML文档必须有一个根元素,所有其他元素都必须是这个根元素的子元素。XML元素和属性的名称是区分大小写的。XML文档中可以包含注释和处理指令。XML文档中可以使用实体引用来表示特殊字符,比如<表示小于号,>表示大于号。具体来说,有以下这些XML规范要求需要我们遵守:

正确的标记语法:XML文档中的所有元素和属性都必须使用正确的标记语法,即开始标记和结束标记之间不能有其他标记或文本。 正确的嵌套结构:XML文档中的元素必须按照正确的嵌套结构进行排列,即一个元素不能包含另一个元素的开始标记和结束标记,也不能与另一个元素的开始标记和结束标记重叠。 正确的属性格式:XML文档中的属性必须使用正确的格式进行定义,即属性名和属性值之间必须有一个等号,并且属性值必须使用引号括起来。 有且仅有一个根元素:XML文档中必须有一个根元素,所有其他元素都必须是这个根元素的子元素。 元素和属性名称区分大小写:XML元素和属性的名称是区分大小写的。 注释和处理指令:XML文档中可以包含注释和处理指令。 实体引用:XML文档中可以使用实体引用来表示特殊字符,比如<表示小于号,>表示大于号。

以上规范是XML文档必须遵循的基本要求,只有满足这些要求,才能保证XML文档的正确性和可读性。

5. 注意事项

虽然XML文档操作时比较灵活自由,但我们在使用XML文档时,也需要注意以下几点:

XML文档必须符合XML规范,包括正确的标记语法、正确的嵌套结构、正确的属性格式等; XML文档必须有一个根元素,所有其他的元素都必须是这个根元素的子元素; XML元素和属性的名称是严格区分大小写的; XML文档中可以包含注释和处理指令; XML文档中可以使用实体引用来表示特殊字符,比如<表示小于号,>表示大于号。

我们在开发时一定要注意XML文档的这些规范要求,否则可能会出现一些莫名其妙的错误。

二. XML解析

1. 解析概念

XML解析就是将XML文档转换为可操作的数据结构的过程。XML解析器读取XML文档并将其转换为内存中的树形结构,然后再通过某种编程语言的API来访问和操作这个树形结构,得到树形结构中的数据信息。

2. 解析方式

目前在XML解析方式中,有四种常用的解析技术:DOM、SAX、StAX和Pull

2.1 DOM

DOM(文档对象模型)是一种基于树形结构的XML解析技术。它会把整个XML文档转换为一个树形结构,并将每个元素都表示为一个节点。我们通过遍历这个树形结构,就可以访问和操作XML文档中的任何元素和属性。

虽然DOM解析给我们提供了非常方便的操作API,但它需要将整个XML文档都加载到内存中,因此对于大型XML文件来说,DOM的性能和内存占用都会比较高,对内存消耗比较大,所以现在开发时较少使用,尤其是在移动端。

2.2 SAX

SAX(简单API for XML)是一种基于事件的XML解析技术。SAX解析器读取XML文档,并可以在解析过程中触发一系列的事件。应用程序可以注册回调函数来处理这些事件,从而读取XML文档中的元素和属性。

与DOM相比,SAX是一种流式解析技术,它不需要将整个XML文档加载到内存中,因此对于大型的XML文件来说,SAX的性能和内存占用都会比较低。在移动端开发中,该方式较为常用。

2.3 StAX

StAX(流式API for XML)是一种基于迭代器的XML解析技术。StAX解析器读取XML文档,并返回一个迭代器,应用程序可以使用这个迭代器来遍历XML文档中的元素和属性。

与DOM和SAX相比,StAX的API更加的简单和直观,同时也不需要将整个XML文档加载到内存中,因此对于大型XML文件来说,StAX的性能和内存占用都会比较低。

2.4 Pull解析

Pull解析也是一种基于迭代器的XML解析技术,它与StAX类似,但更加简洁和易用。Pull解析器读取XML文档后会返回一个迭代器,应用程序可以使用这个迭代器来遍历XML文档中的元素和属性。

与DOM和SAX相比,Pull解析器的API更加简单和直观,同时也不需要将整个XML文档加载到内存中,因此对于大型XML文件来说,Pull解析器的性能和内存占用都会比较低。在移动端开发中,Pull解析很常用。

因为现在XML解析并不是很常用,所以壹哥并不会把以上4种解析方式,都带大家进行代码实现,我会挑选其中的DOM和Pull解析进行代码讲解。

3. DOM解析

我们在Java中进行DOM解析时,需要依赖javax.xml.parsers包中的DocumentBuilder类和Document类,这两个类都是Java标准库中的一部分,因此无需额外下载依赖包。

但如果我们需要使用更高级的XML解析特性,比如XPath、XSLT、DTD、Schema等,可以考虑使用第三方的XML处理库,比如Apache Xerces、JDOM、DOM4J等开源框架。这些库给我们提供了更多的XML解析和处理API,同时也提供了更好的性能和更丰富的特性,我们可以在它们的官方网站下载和使用这些库。

接下来壹哥就通过一个案例,来带大家利用DOM进行XML解析。在解析XML时,我们可以在项目中提前准备一个XML文件,存放到项目的文件路径中。壹哥就把上面的bookstore的xml文件,存放在了src目录下,如下图所示:

接着我们就可以加载这个xml文件,并对其进行解析了,代码如下:

java

复制代码

import java.io.File; import javax.xml.parsers.DocumentBuilder; import javax.xml.parsers.DocumentBuilderFactory; import org.w3c.dom.Document; import org.w3c.dom.Element; import org.w3c.dom.NodeList; /** * @author 一一哥Sun * @company 千锋教育 */ public class Demo01 { public static void main(String[] args) { try { // 创建DOM解析器工厂 DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); // 创建DOM解析器 DocumentBuilder builder = factory.newDocumentBuilder(); // 加载XML文件,解析XML文档 Document doc = builder.parse(new File("src/books.xml")); // 获取根元素 Element root = doc.getDocumentElement(); System.out.println("根元素:" + root.getNodeName()); // 获取所有的book元素 NodeList books = root.getElementsByTagName("book"); for (int i = 0; i < books.getLength(); i++) { //得到得到每一个book元素 Element book = (Element) books.item(i); System.out.println("book元素:"); // 获取book元素中的category属性 String category = book.getAttribute("category"); System.out.println("category属性:" + category); // 获取title元素 Element title = (Element) book.getElementsByTagName("title").item(0); //获取title里的lang属性 String lang = title.getAttribute("lang"); //得到元素中的第一个孩子的节点内容 String text = title.getFirstChild().getNodeValue(); System.out.println("title元素:" + lang + " " + text); // 获取author元素 Element author = (Element) book.getElementsByTagName("author").item(0); String authorText = author.getFirstChild().getNodeValue(); System.out.println("author元素:" + authorText); // 获取year元素 Element year = (Element) book.getElementsByTagName("year").item(0); String yearText = year.getFirstChild().getNodeValue(); System.out.println("year元素:" + yearText); // 获取price元素 Element price = (Element) book.getElementsByTagName("price").item(0); String priceText = price.getFirstChild().getNodeValue(); System.out.println("price元素:" + priceText); } } catch (Exception e) { e.printStackTrace(); } } }

执行结果如下图所示:

在这个案例中,我们使用了Java标准库javax.xml.parsers包中的DocumentBuilder和Document类,以及org.w3c.dom包下的Element和NodeList类。

首先,我们会使用DocumentBuilderFactory类创建一个DOM解析器工厂,然后使用newDocumentBuilder()方法创建DOM解析器,并使用parse()方法解析XML文档。

接着,我们又使用getDocumentElement()方法获取到根元素,并使用getElementsByTagName()方法获取所有的book元素。对于每个book元素,我们可以使用getAttribute()和getElementsByTagName()方法来获取元素的属性和子元素,并使用getFirstChild()和getNodeValue()方法来获取属性和文本内容,最后将它们打印到控制台上。

以上这个代码案例其实只是一个简单的DOM解析案例,实际上,DOM可以提供非常丰富的API来访问和操作XML文档。如果你想要处理复杂的XML文档,或者想进行复杂的数据操作,都可以使用DOM解析器。

4. Pull解析

我们在Java中进行Pull解析,需要依赖javax.xml.stream包中的相关类,这些类包括XMLInputFactory、XMLStreamReader等。这些类都是Java标准库中的一部分,因此不需要额外下载其他的依赖包。

java

复制代码

import java.io.FileInputStream; import java.io.FileNotFoundException; import javax.xml.stream.XMLInputFactory; import javax.xml.stream.XMLStreamConstants; import javax.xml.stream.XMLStreamException; import javax.xml.stream.XMLStreamReader; /** * @author 一一哥Sun * @company 千锋教育 */ public class Demo02 { public static void main(String[] args) { try { // 创建XML解析器工厂 XMLInputFactory factory = XMLInputFactory.newInstance(); // 创建XML解析器 XMLStreamReader reader = factory.createXMLStreamReader(new FileInputStream("src/books.xml")); // 遍历XML文档 while (reader.hasNext()) { //获取下一个事件 int event = reader.next(); switch (event) { case XMLStreamConstants.START_ELEMENT://开始事件 System.out.print(reader.getLocalName() + ": "); // 打印元素的属性 for (int i = 0; i < reader.getAttributeCount(); i++) { //得到元素中的属性名及属性值 System.out.print(reader.getAttributeLocalName(i) + "=" + reader.getAttributeValue(i)); } System.out.println(); break; case XMLStreamConstants.CHARACTERS://处理字符事件 String text = reader.getText().trim(); if (!text.isEmpty()) { System.out.println(text); } break; } } // 关闭XML解析器 reader.close(); } catch (FileNotFoundException e) { e.printStackTrace(); } catch (XMLStreamException e) { e.printStackTrace(); } } }

上面这个代码案例,我们使用了Java标准库javax.xml.stream包中的XMLInputFactory和XMLStreamReader类。

首先,我们使用XMLInputFactory类创建了一个Pull解析器工厂。

然后使用createXMLStreamReader()方法创建了一个Pull解析器,并使用next()方法遍历XML文档。

对于每个事件,我们使用switch语句进行处理。对于START_ELEMENT事件,我们使用getLocalName()方法获取元素名称,并使用getAttributeCount()、getAttributeLocalName()和getAttributeValue()方法获取元素的属性。

对于XMLStreamConstants.CHARACTERS事件,我们使用getText()方法获取文本内容,并使用trim()方法去除空白字符,最后将文本内容打印到控制台上。XMLStreamConstants.CHARACTERS是Pull解析器在读取到XML文档中的字符数据时触发的事件。在这个事件中,我们可以使用XMLStreamReader类的getText()方法来获取字符数据,并使用trim()方法去除空白字符。由于XML文档中的空白字符也会被解析器读取到,因此我们需要使用trim()方法来排除空白字符,只获取有意义的文本内容。

在今天的文章中,壹哥重点给大家讲解DOM解析与Pull解析两种解析方式,其他的两种解析方式,大家如果感兴趣可以自行学习哦。

5. 总结对比

以上几种XML解析方式都有各自的特点,比如:

DOM解析给我们提供了非常方便的操作API,但需要将整个XML文档加载到内存中,对于大型XML文件来说,性能和内存占用都会比较高。 SAX和StAX不需要将整个XML文档加载到内存中,因此性能和内存占用都会比较低,但编程复杂度较高。 Pull解析器的API更加简单和直观,同时不需要将整个XML文档加载到内存中,因此性能和内存占用都会比较低,但功能相对较弱,不适合处理复杂的XML文档。

我们可以通过一个表格来清晰地对比不同解析方式的优缺点:

解析技术

优点

缺点

DOM

提供非常方便的操作API

需要将整个XML文档加载到内存中,对于大型XML文件来说,性能和内存占用都会比较高

SAX

不需要将整个XML文档加载到内存中,性能和内存占用都会比较低

编程复杂度较高,需要注册回调函数来处理事件

StAX

API简单和直观,不需要将整个XML文档加载到内存中,性能和内存占用都会比较低

编程复杂度较高,需要使用迭代器来遍历XML文档

Pull

API简单和直观,不需要将整个XML文档加载到内存中,性能和内存占用都会比较低

功能相对较弱,不适合处理复杂的XML文档

以上就是壹哥对DOM、SAX、StAX和Pull这四种常用的XML解析技术的优缺点分析,实际上每种技术都有其优点和缺点,我们在开发时可以根据自己的实际需求选择合适的技术。如果需要处理复杂的XML文档,或者需要进行复杂的数据操作,且内存资源较充足,壹哥建议使用DOM或SAX解析器;如果XML文档相对简单,数据操作较为简单,且内存资源比较宝贵,我们可以考虑使用StAX或Pull解析器。

------------------------------正片已结束,来根事后烟----------------------------

三. 结语

壹哥一直跟大家强调,这个世界上没有十全十美的技术,虽然XML有挺多优点,但它也存在一些缺陷,比如:

XML语法比较繁琐,需要使用大量的标记和属性来描述数据,因此相对于其他格式来说会比较冗长。 XML解析需要比较大的内存开销,这对于大型XML文件来说是一个问题; XML的可扩展性和自由度也是它的缺陷之一,因为这样会导致XML文档的结构比较复杂,不同的应用程序可能会定义不同的标签和属性,从而导致XML文档之间的互操作性变得很困难,很难实现统一的操作模式。 XML文档的解析和处理需要使用专门的工具和库,这对于一些小型应用程序来说可能会增加开发成本。

正是基于以上这些缺陷,导致现在很多的项目中已经不再优先考虑XML文档作为数据存储和传输载体了,现在一般的项目大多都是倾向于使用JSON格式。

相关推荐

嵌入式C语言中常量的应用实例(嵌入式c语言中常量的应用实例是什么)

常量,我们都知道,就是数值保持不变的量。在C语言中,常量一旦初始化了,它的值将在整个程序运行周期内,不允许发生任何变化。常量与变量是相对的,我们实际项目中经常会用到它。定义常量的两种方式C语言中主要有...

C语言编程基础知识汇总学习,适合初学者!更新常量知识

(二)整型常量整型常量有3种形式:十进制整型常量、八进制整型常量和十六进制整型常量。(注意:c语言中没有直接表示二进制的整型常量,在c语言源程序中不会出现二进制。)书写方式如下:十进制整型常量:123...

【C语言】第二章第六节:字符串常量

第二章第六节:字符串常量。下表C语言中的常用转义字符。·字符形式功能:ASCIl码(十进制形式)。→\t水平制表(横向跳格:跳到下一个tab位置)。→\b退格8。→\r回车(不换行,光标移到本行行首)...

「GCTT 出品」Go 系列教程——5. 常量

这是我们Golang系列教程的第五篇。定义在Go语言中,术语”常量”用于表示固定的值。比如5、-89、IloveGo、67.89等等。看看下面的代码:varaint=50v...

每日C语言-常量指针、指针常量、指向常量的指针常量

一、常量指针1)什么是常量指针?通过该指针不可以修改其所指向存储单元中的值指针本身即地址可以被修改2)定义:类型说明符const*指针变量;类型说明符表示指针所指向存储单元中的值得数据类型指针...

C语言-符号常量、常变量、变量之我见

更新内容:新增音频。音频和文章一起更配oHello,大家好,又和大家见面了~~相信很多朋友们听了C语言的“符号常量”、“常变量”、“变量”后还是对这三者一脸懵逼吧。不管老师怎么歇斯底里地讲解,同学们迷...

零基础带你学习C语言:四:探索常量与变量

前言常量与变量学习;一:分析:short、float、long类型#include<stdio.h>intmain(){shortage=18;floatweight=12...

C语言中是如何定义常量的?那定义字符串呢?

常量有整型常量、浮点型常量、字符型常量及字符串常量。‘常量定义是指定义符号常量,用一个标识符来代表一个常量,通过宏定义预处理指令来实现。常量的定义:#definecount60这就定义了一个常量...

C语言符号常量的优点,会是那几点?

符号常量是一个常量,是不变量,所以,在编译的时候,就把符号常量出现的地方,替换为符号常量对应的常量。符号常量一般用户定义一个全局使用的数据,而且要改变该数据的时候,只需要改变符号常量的值,代码中引用符...

嵌入式开发- C语言数据类型-常量(c语言嵌入式是干嘛的)

基本数据类型的常量-掌握**整型常量:**常量是指在程序运行期间其数值不发生变化的数据。整型常量通常简称为整数整数可以是十进制数、八进制数、十六进制数八进制06334十六进制0xd1...

c语言解剖课:只读变量、常量、字面量傻傻分不清?

写在前面本篇主题的缘起,是因为一个计算机专业的大学生在和我讨论c语言问题时,说const常量如何如何,我说变量被const修饰了,还是变量,不是“常量”。他给了我一个截图:他说大模型都是这样回答的,变...

C/C++编程笔记:C数组、字符串常量和指针!三分钟弄懂它

想弄懂C语言中数组和指针的关系吗?这篇文章就占据你三分钟时间,看完你肯定会有收获!数组数组声明为数据类型名称[constant-size],并将一个数据类型的一个或多个实例分组到一个可寻址的位...

C语言入门到精通【第008讲】——C语言常量

C语言常量常量是固定值,在程序执行期间不会改变。这些固定的值,又叫做字面量。常量可以是任何的基本数据类型,比如整数常量、浮点常量、字符常量,或字符串字面值,也有枚举常量。常量就像是常规的变量,只不过常...

这是C语言无法修改得东西,C语言基础教程之常量解析

常量是指程序在执行期间不会改变的固定值。这些固定值也称为文字。常量可以是任何基本数据类型,如整数常量,浮点常量,字符常量或字符串文字,还有枚举常量。常量被视为常规变量,除了它们的值在定义后无法修改。整...

C语言中的单精度、双精度、常量等都有什么意思?

刚接触C语言时,对于常量,变量,浮点,单精度,双精度等问题的理解,大都很模糊不清,其实在程序运行过程中,其值不能改变的量称为常量。如12、0、-3为整型常量,4.6、-1.23为实型常量,'a'、'...

取消回复欢迎 发表评论: