xml基础及其解析原理

XML知识

XML(ExtensibleMarkupLanguage)，是W3C组织发布和维护的。

XML允许用户自定义细节，标签用来描述一段数据，分为开始标签和结束标签。XML主要用来存储数据和用作配置文件信息。

一个XML文件分为如下几部分内容：

1．文档声明

2．元素

3．属性

4．注释

5．CDATA区、特殊字符

6．处理指令（processinginstruction）

XML文档声明：

<?xmlversion="1.0"encoding="UTF-8"standalone="yes"?>

Standalone指明文档是否是独立的

XML元素指XML文件中出现的标签，一个标签分为开始标签和结束标签，一个标签有如下几种书写形式，例如：

包含标签体：<a>www.itcast.cn</a>

不含标签体的：<a></a>,简写为：<a/>

注意：

对于xml标签中出现的所有空格和换行，xml解析程序都会当做便签内容处理。Java获取后可能需要用trim（）过滤。

Xml元素区分大小写；不能以数字或下划线开头；不能以xml（或Xml、XML等）开头；不能包含空格；名称中间不能包含冒号。

一个标签可以有多个属性，每个属性都有它自己的名称和取值，例如：

<inputname=“text”>

属性值一定要用双引号（"）或单引号（'）引起来

定义属性必须遵循与标签相同的命名规范

多学一招：在XML技术中，标签属性所代表的信息，也可以被改成用子元素的形式来描述，例如：

<input>

<name>text</name>

</input>

Xml的注释的形式<!--注释-->

Xml声明之前不能有注释；

Xml注释不能嵌套。

CDATA区：xml文档中有些内容不希望让解析引擎解析执行，而是当做原始数据处理，此时可以将这些内容放到CDATA区中。

<![CDATA[

<安徽>

<安庆>

</安庆>

<合肥>

</合肥>

</安徽>

]]>

Xml可以使用xml-stylesheet指令，通知xml解析引擎应用css文件来显示文档内容。例如：

xml-stylesheettype="test/css"href=""?>

转义字符：

Xml约束：在XML技术里，可以编写一个文档来约束一个XML文档的书写规范，这称之为XML约束。常用的约束技术：

XMLDTD、XMLSchema

XMLDTD不能具体约束到数字，而只能约束到字符串，例如价格为必须为数字，DTD则只能约束到字符串。DTD现在没有Schema有前景。

Xml编程：

Xml解析方式分为两种：dom和sax

dom：(DocumentObjectModel,即文档对象模型)是W3C组织推荐的处理XML的一种方式。

sax：(SimpleAPIforXML)不是官方标准，但它是XML社区事实上的标准，几乎所有的XML解析器都支持它。

XML解析器Crimson、Xerces、Aelfred2

XML解析开发包Jaxp（sun官方）、Jdom、dom4j

JAXP开发包是J2SE的一部分，它由javax.xml、org.w3c.dom、org.xml.sax包及其子包组成。在javax.xml.parsers包中，定义了几个工厂类，程序员调用这些工厂类，可以得到对xml文档进行解析的DOM或SAX的解析器对象。

Dom与sax比较：

Dom比较消耗内存，因为他要把整个文档变成document对象，适合于xml的增删改查（crud）；

Sax是逐行读取解析，占用内存少，解析速度快，缺点是只适合作文档的读取，不能做文档的crud。

使用dom解析，如果文档很大，会导致jvm内存溢出。Jvm默认最大内存64M。在eclipse中的runconfigurations中arguments中vmarguments中输入-Xmx80m（配置为80M）。

DOM解析编程：

遍历所有节点

查找某一个节点

删除结点

更新结点

添加节点

SAX采用事件处理的方式解析XML文件，利用SAX解析XML文档，涉及两个部分：解析器和事件处理器：

解析器可以使用JAXP的API创建，创建出SAX解析器后，就可以指定解析器去解析某个XML文档。

解析器采用SAX方式在解析某个XML文档时，它只要解析到XML文档的一个组成部分，都会去调用事件处理器的一个方法，解析器在调用事件处理器的方法时，会把当前解析到的xml文件内容作为方法的参数传递给事件处理器。

事件处理器由程序员编写，程序员通过事件处理器中方法的参数，就可以很轻松地得到sax解析器解析到的数据，从而可以决定如何对数据进行处理。

sax解析原理图：