【XML探讨XML语法、解析与XPath应用

一、前言

在编程中，XML（可扩展标记语言）是一种常用于存储和交换数据的标记语言，它具有良好的人机可读性和通用性。在本文中，我们将探讨XML的各个方面，包括XML的介绍与用途、语法规则、语义约束、Java中的XML解析以及XPath路径表达式。

二、内容

2.1 XML介绍与用途

什么是 XML

XML的全称是EXtensible Markup Language，可扩展标记语言。与HTML类似，XML也是通过标签来描述数据的格式和结构，但XML更加通用，不仅用于网页，还用于数据的存储和交换。

XML示例：

  王五
  18
  170

XML vs HTML

XML 和 HTML 都使用标签来描述文档结构，但它们有一些关键区别：

 
    大二
    5班


    大二
    6班

 

 首页

主要区别：

• XML是通用的数据描述语言，而HTML用于呈现文档。
• XML强调数据的结构和内容，而HTML强调文档的呈现和布局

2.2 XML的语法规则

XML 文档结构

XML文档必须遵循一定的结构规则：

• 第一行必须是XML声明，包含版本号和字符集信息。
• XML文档有且只有一个根节点。
• XML标签的书写规则与HTML相同。

XML 声明

XML 声明说明 XML文档 的基本信息，包括版本号与字符集，写在 XML第一行。

其中：

• version 代表版本号，可以是 1.0 或 1.1
• encoding UTF-8 设置字符集，用于支持中文

合法的标签名

XML 标签名必须遵循一些规则：

abc 
数学期末 
班级 
照片 

适当的注释与缩进

为了提高XML文档的可读性，建议使用注释和缩进：

  王五
  18
  180

合理使用属性

XML标签可以包含属性，用于提供额外的信息：

  Chapter 1

处理特殊字符

在标签体中出现 "" 等特殊字符可能会破坏文档结构，需要特殊处理：

解决方案：

bold text.]]>

有序的子元素

在多层嵌套的子元素中，标签的前后顺序应保持一致，以维护数据的结构完整性。

2.3 XML语义约束

XML文档结构正确，但可能不是有效的。XML语义约束用于规定XML文档中允许出现哪些元素。

例如，员工档案 XML 中绝不允许出现”植物品种” 标签。XML语义约束就是用于规定 XML 文档中允许出现哪些元素。

XML语义约束有两种定义方式：DTD 与 XML Schema。

Document Type Definition

DTD（Document Type Definition，文档类型定义）是一种简单的语义约束方式，用于规定XML文档的结构。

DTD 文件的扩展名为 .dtd。

比如：

...

DTD 定义节点

利用 DTD 中的标签，我们可以定义 XML 文档中允许出现的节点及其数量。

比如：

• 定义 hr 节点下只允许出现 1 个 employee 子节点：

• employee 节点下必须包含 name、age、salary 和 department节点，并按顺序出现：

• 定义 name 标签体只能是文本，#PCDATA 代表文本元素：

DTD 定义节点数量

如某个子节点需要多次重复出现，则需要在子节点后增加相应的描述符：

• hr 节点下最少出现 1 个 employee 子节点。

• hr 节点下可出现 0...n 个 employee子节点。

• hr 节点下最多出现 1 个 employee 子节点。

XML 引用 DTD 文件

在 XML 中使用 标签来引用 DTD 文件。

书写格式如下：

举个例子：

XML Schema

XML Schema（XML模式）是一种用于定义XML文档结构和数据类型的替代DTD的方案。与DTD相比，XML Schema提供了更强大和灵活的工具来描述XML文档的结构和语义。

XML Schema支持丰富的数据类型，如字符串、整数、日期、布尔值等。允许我们定义更复杂的数据约束，如最小值、最大值、正则表达式模式等。同时， XML Schema文档本身是一个XML文档，因此具有更好的自描述性，提供了更强大的命名空间支持，并允许我们定义元素和属性的子元素、顺序、出现次数等规则，从而更精确地描述文档结构。

举个例子：

这个XML Schema为XML文档定义了严格的结构和数据类型规则，确保XML文档符合人力资源管理系统的要求。XML文档必须遵循这些规则，否则将被视为无效。

2.4 Java 解析 XML

DOM 文档对象模型

DOM是一种用于解析XML的模型，将XML文档视为树形结构，可以方便地遍历和修改XML文档。

Dom4j

Dom4j是一个开源的Java库，用于解析和操作XML文档。它易于使用，性能优异，并提供了丰富的功能。

• Dom4j 将 XML 视为 Document 对象。
• XML 标签被 Dom4j 定义为 Element 对象。

利用 Dom4j 遍历 XML

// 导入Dom4j相关类
import org.dom4j.Document;
import org.dom4j.Element;
import org.dom4j.DocumentException;
import org.dom4j.io.SAXReader;

public class XMLParser {
  public static void main(String[] args) {
    try {
      // 创建SAXReader对象
      SAXReader reader = new SAXReader();
      // 读取XML文件
      Document document = reader.read("hr.xml");
      // 获取根节点
      Element root = document.getRootElement();
      
      // 遍历子元素
      for (Element employee : root.elements("employee")) {
        String name = employee.elementText("name");
        String age = employee.elementText("age");
        System.out.println("Name: " + name + ", Age: " + age);
      }
    } catch (DocumentException e) {
      e.printStackTrace();
    }
  }
}

利用 Dom4j 更新 XML

import org.dom4j.Document;
import org.dom4j.DocumentHelper;
import org.dom4j.Element;

public class XMLUpdater {
  public static void main(String[] args) {
    try {
      // 创建空的XML文档
      Document document = DocumentHelper.createDocument();
      // 创建根节点
      Element root = document.addElement("employees");
      
      // 创建子节点
      Element employee = root.addElement("employee");
      employee.addElement("name").setText("李四");
      employee.addElement("age").setText("25");
      
      // 将XML写入文件
      XMLWriter writer = new XMLWriter(new FileWriter("new_hr.xml"));
      writer.write(document);
      writer.close();
    } catch (IOException e) {
      e.printStackTrace();
    }
  }
}

2.5 XPath 路径表达式

XPath 路径表达式

XPath是一种用于在XML文档中查找数据的语言，它允许通过路径表达式定位XML文档中的元素。

• 掌握 XPath 可以极大的提高在提取数据时的开发效率。
• 学习 XPath 本质就是掌握各种形式表达式的使用技巧。

XPath 基本表达式

最常用的基本表达式：

• /：从根节点开始选取
• //：从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置
• element：选取指定名称的元素
• @attribute：选取指定名称的属性
• text()：选取元素的文本内容

XPath 基本表达式案例

比如：

  
    XML Basics
    John Doe
  
  
    Java Programming
    Jane Smith
  

示例XPath表达式：

• /books：选取根元素books
• /books/book：选取根元素下的book元素
• //author：选取所有author元素
• /books/book[1]：选取第一个book元素
• /books/book/title/text()：选取第一个book元素的 title 文本内容

XPath 谓语表达式

谓语表达式用于过滤元素，可以根据条件来选择元素：

比如：

• /books/book[author='John Doe']：选取作者为'John Doe'的book元素
• /books/book[price>20]：选取价格大于20的book元素

三、总结

本文介绍了XML的各个方面，包括XML的基本介绍与用途、语法规则、语义约束、Java中的XML解析以及XPath路径表达式。总的来说，XML是一种强大的数据交换格式，掌握它将有助于处理和管理各种数据源。