XML(eXtensible Markup Language)是萬維網聯盟(World Wide Web Consortium W3C)定義的一種可擴展標誌語言。
可擴展性指允許用戶按照XML規則自定義標記(tags 標籤)。
強項：輕鬆表達多層結構的數據；可擴展。
優點：平臺無關，語言無關。設計目標是描述數據並集中於數據的內容，與顯示分離。
提醒：不能用XML來直接寫網頁。即便是包含了XML數據，依然要轉換成HTML格式才能在瀏覽器上顯示。
語法規則：
XML文件有且僅有一個根標記，其他標記必須封裝在根標記中，文件的標記必須形成樹狀結構。
大小寫敏感。
標記的屬性必須用""或''括起來。
XML細節：
一、 聲明
大多數XML文檔以XML聲明作爲開始，它向解析器提供了關於文檔的基本信息。
建議使用XML聲明，但它不是必需的。如果有的話，那麼它一定是文檔的第一行內容。
如：<?xml version="1.0" encoding="UTF-8" standalone="no"?>
聲明最多可以包含三個名稱-值對（許多人稱它們爲屬性，儘管在技術上它們並不是）。
<?xml 問號與xml之間不能有空格。
1)version 是使用的XML 版本:1.0, 1.1
2)encoding 是該文檔所使用的字符集。該聲明中引用的ISO-8859-1 字符集包括大多數西歐語言用到的所有字符。
默認字符在UTF-8字符集中，這是一個幾乎支持世界上所有語言的字符和象形文字的Unicode 標準。
3)standalone（可以是yes 或no）定義了是否孤立處理該文檔。
如果XML文檔沒有引用任何其它文件，則可以指定 standalone="yes"。
如果XML文檔引用其它描述該文檔可以包含什麼的文件(如DTD)，則 standalone="no"。默認值爲"no"
二、 標記
左尖括號“<“和右尖括號“>“之間的文本
1. 在< >中的稱爲開始標記；在</ >中的稱爲結束標記
2. 空標記：不包含元素的標記。空標籤必須以“/>”結束。格式： <空標記的名稱/> <空標記的名稱 屬性列表/>
注意：
除空標記外，標籤必須成對：有始有終。所有的開始標籤和結束標籤必須匹配。
在標記符“<“和"標記的名稱"之間不能含有空格。在標記符"/>"前面可以有空格或回行。
標籤必須嵌套正確。
XML標記必須遵循下面的命名規則:
1.名字中可以包含字母、數字以及其它字母或文字；還可包含下劃線(_)、點(.)、連字符(-)
2.名字不能以數字開頭；可以用字母、文字或者下劃線開頭。
3.名字不能以字母xml (或XML 或Xml ..) 開頭；
4.名字中不能包含空格。
三、 元素
位於開始標記與結束標記間
一份文檔有且只有一個根元素。
根元素下的所有元素叫“子元素”。
標籤必須嵌套正確。
不包含自子元素的元素叫“葉子”；包含子元素的元素叫“分支”。
如： <eric>…… </eric>
四、 屬性
一個元素的開始標誌中的名稱－值對
所有的屬性值必須位於單引號或雙引號中。
每一個元素的屬性不允許出現超過一次。
開始標誌內，類似賦值語句
如：<eric age="80">……</eric>
五、 註釋
註釋可以出現在文檔的任何位置。(但不建議放在聲明前面，部分瀏覽器會報錯)
註釋以 <!-- 開始，以 --> 結束。
註釋內不能包含雙連字符（--）；除此之外，註釋可以包含任何內容。
註釋內的任何標記都被忽略
六、 處理指令
處理指令是爲使用一段特殊代碼而設計的標記，簡稱爲PI。
大多數XML 文檔都是以XML 聲明開始，該聲明本身就是特殊的處理指令。
處理指令對應用程序特定的數據進行編碼。一條處理指令包含一個目標，後跟數據。用<?和?>定界符將處理指令包起來。
目標確定應用程序，而對應用程序不能識別的目標，其會忽略這些處理指令。
七、 實體
XML 規範預定義了五個實體。
< ==== <
> ==== >
" ==== ”
' ==== ‘
& ==== &
自定義實體:在DTD中定義 <!ENTITY 實體標誌 "實體內容">
在xml中引用自定義實體，用 &實體標誌; 代表實體內容。
另外，無法從鍵盤輸入的字符可以使用字符引用，就是用字符的Unicode代碼點來引用該字符。
以"&#x"開始字符引用，以分號結尾，x必須爲小寫，使用十六進制。如： = 表示等於號。
也可以使用字符引用來引用 <,>,',",& "
查看字符的代碼點（附件-> 系統工具-> 字符映射表）。
八、 CDATA
當一段文本中出現很多實體引用和字符引用時，會導致文本數據的讀寫困難，CDATA段就是爲了解決這一問題引入的。
DATA區段開始於 "<![CDATA[" 結束於 "]]>"
CDATA內部的所有東西都會被解析器忽略解析，不用檢查它的格式。
但是CDATA段中不能嵌套另一個CDATA段。
九、 屬性
屬性是標記的屬性，可以爲標記添加附加信息。
(1)屬性的組成
屬性是一個名值對，必須由名稱和值組成，屬性必須在標記的開始標記或空標記中聲明，用"="爲屬性指定一個值。
語法如下：
<標記名稱 屬性列表/>
<標記名稱 屬性列表>XXX</標記名稱>
例如: <桌子 width="40" height='100'/>
(2)使有屬性的原則
屬性不體現數據的結構，只是數據的附加信息；
一個信息是作爲一個標記的屬性或子標記，取決於具體問題，不要因爲屬性的頻繁使用破壞XML的數據結構。
下面是一個結構清晰的XML文件:
<樓房 height="23m" width="12m">
<結構>混凝土</結構>
<類別>商用</類別>
</樓房>
下面是一個結構不清晰的XML文件:
<樓房 height="23m" width="12m" 結構="混凝土" 建築商="華海集團" 類別="商用"></樓房>
十、 名稱空間/包
XML文件允許自定義標記，所以可能出現同名字的標記，爲了區分這些標記，就需要使用名稱空間。
名稱空間的目的是有效的區分相同的標記，其實並不真實存在。
語法： 聲明有前綴的名稱空間 xmlns:前綴名=名稱空間的名字
聲明無前綴的名稱空間 xmlns=名稱空間的名字 (缺省)
注意：當且僅當它們的名字相同時稱二個名稱空間相同，也就是說，對於有前綴的名稱空間，如果二個名稱空間的名字相同，即使前綴不相同，也是相同的名稱空間，返之同然。前綴只是方便引用而已。
基本術語
一、序言Prolog：包括XML聲明(XML Declaration)和文檔類型聲明(Document Type Declaration)。
二、良構(well-formed 規範的)：符合W3C定義的XML文檔。
驗證
爲什麼需要驗證？
對XML文件施加額外的約束，以便交流。
一、DTD驗證
文檔類型定義(Document Type Definition)
DTD定義了XML文檔內容的結構，保證XML以一致的格式存儲數據。精確的定義詞彙表，對XML的內容施加約束。
符合DTD的規範XML文檔稱爲有效的文檔。由DTD定義的詞彙表以及文檔語法，XML解析器可以檢查XML文檔內容的有效性。
規範的XML文件不一定是有效的；有效的一定是規範的。
1、 DTD聲明
1) DTD聲明可以在單獨的一個文件中
2) DTD聲明可以內嵌在XML文件中
3) DTD聲明可以一部分在單獨的文件中，另一部分內嵌在XML文件中
2、 引入外部DTD文件
<!DOCTYPE data SYSTEM "Client.dtd">
Data：根節點名稱
Client.dtd：dtd文件路徑
3、 DTD四種標記聲明
元素(ELEMENT)、屬性(ATTLIST)、實體(ENTITY)、符號(NOTATION)
1) 元素(ELEMENT) XML元素類型聲明
聲明元素： <!ELEMENT elementName (contentModel)>
元素的內容通過內容模式來描述。
DTD 內容模式的種類有：
EMPTY 元素不能包含任何數據，但可以有屬性(前提是必須聲明其屬性)。
不能有子元素。不能有文本數據（包括空白，換行符）。
DTD中定義： <!ELEMENT elementName EMPTY>
XML中：<elementName/>（推薦） 或者：<elementName></elementName>
(#PCDATA) 規定元素只包含已析的字符數據，而不包含任何類型的子元素的內容類型。
DTD中定義： <!ELEMENT student (#PCDATA)>
XML中合法內容： <student>watching TV</student>
(Elements) 元素由內容模式部件指定。
<!ELEMENT name (child particles) >
內容模式部件可以是下表列出的內容。
<!ELEMENT name (a,b)> 子元素a、b必須出現，且按照列表的順序
<!ELEMENT name (a|b)> 選擇；子元素a、b只能出現一個
<!ELEMENT name (a) > 子元素a只能且必須出現一次
<!ELEMENT name (a)+ > 子元素a出現一次或多次
<!ELEMENT name (a)* > 子元素a出現任意次(包括零次、一次及多次)
<!ELEMENT name (a)? > 子元素a出現一次或不出現
Mixed 混合模式：子元素中既可有文本數據又可有下級子元素。
<!ELEMENT rn (#PCDATA| an | en)*>“|”和“*”必須寫。
上句表示在 rn 內，字符數據 或 en及an 可以出現任意多次，順序不限。
優先寫(#PCDATA) 如：(#PCDATA|name)* 正確 (name|#PCDATA)* 錯誤
ANY 元素可以包含任何類型的數據。子元素(必須在DTD中有定義) 和 文本數據(包括空白)。
DTD中定義： <!ELEMENT a ANY> <!ELEMENT b ANY>
XML中合法內容： <a>somngthing</a> 或者 <a/> 或者 <a><b>oo</b></a>
2) 屬性(ATTLIST) 特定元素類型可設置的屬性&屬性的允許值聲明
<!ATTLIST elementName
attributeName1 attributeType attributeDefault
.......
attributeNameN attributeType attributeDefault>
屬性類型 (Attribute Type)：
CDATA該屬性只能包含字符數據(注意與CDATA段、PCDATA的區別)
NMTOKEN 是CDATA的子集，它的字符只能是字母,數字,句點,破折號,下劃線或冒號。
NMTOKENS 類似NMTOKEN，但這個可以包含多個值，每個值之間用空格隔開。
ID 該屬性的取值在同一文檔內是唯一的。一個元素只能有一個ID類型的屬性。
IDREF 類似指針，指向文檔中其他地方聲明的ID值。如果該屬性取值和指向的ID值不匹配，則返回錯誤。
IDREFS 類似IDREF，但它可以具有由空格分隔開的多個引用。
ENTITY 該屬性的值必須對應一個在文檔內部聲明的但還沒有分析過的實體。
ENTITYS 類似ENTITY，但它可以包含由空格分隔開的多個實體。
NOTATION 該屬性的值必須引用在文檔中其他地方聲明的某個註釋的名稱。
(enumerated) 類似枚舉的變量，該屬性必須匹配所列的值。各值用“|”分隔開。
如： (春|夏|秋|冬) 實際內容文檔只能從中取一個。
屬性特性 (Attribute Default) ：
#REQUIRED 必須有且只能有一個屬性。
#IMPLIED 可有可無。
#FIXED 在DTD中定義默認值，XML中可以不指定，指定則必須等於該默認值。
attribute-value 如果不指定則用DTD定義的默認值，指定則用指定的值。
<![CDATA[############ 屬性(ATTLIST)的舉例 ############## ]]>
例一（#REQUIRED）
DTD中： <!ELEMENT el (#PCDATA)> <!ATTLIST el at1 NMTOKENS #REQUIRED at2 CDATA #REQUIRED>
XML中，正確： <el at1 = "10 20" at2="10" >something</el>
XML中，錯誤： <el at="10">something</el> (沒有寫另一個#REQUIRED的屬性 at2 )
例二(#IMPLIED，#FIXED)
DTD中： <!ELEMENT el (#PCDATA)> <!ATTLIST el at CDATA #FIXED "10" at2 CDATA #IMPLIED >
XML中，正確： <el at2="20" >something</el> （at有默認值"10"，at2 可寫可不寫)
XML中，錯誤： <el at="11" >something</el>（at要麼不寫，要寫只能寫成跟默認值相同的）
例三(attribute-value)
DTD中：<!ELEMENT el (#PCDATA)> <!ATTLIST el at CDATA "10" at2 CDATA "20" >
XML中，正確： <el at="11" >something</el>
例四(enumerated + attribute-value)
DTD中：<!ELEMENT el (#PCDATA)> <!ATTLIST el at (10|20|30) "10">
XML中，正確： <el at="20">something</el> (at要麼不寫，默認值 10；要麼在(10|20|30)中選一個寫)
<![CDATA[############ 屬性(ATTLIST)舉例 完畢 ############## ]]>
3) 實體(ENTITY) 可重用的內容聲明
在DTD中定義 <!ENTITY 實體標誌 "實體內容">
在xml中引用自定義的實體，用 &實體標誌; 代表實體內容。
4) 符號(NOTATION) 不要解析的外部內容的格式聲明。
3、 內部實體：在xml文件裏面寫(少用)
外部實體：另外在xml同一文件夾下建立一個dtd文件(提倡)
<!--**************** 內外部的實體舉例 ***************** -->
外部的：
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<!DOCTYPE root SYSTEM "goodsInfo.dtd"><!--用這句引用外部dtd-->
<root><goodsInfo>
<goodsName>goodsName</goodsName>
<goodsPrice>goodsPrice</goodsPrice>
</goodsInfo></root>
以下是名爲"goodsInfo.dtd"文件
<!ELEMENT root (goodsInfo)>
<!ELEMENT goodsInfo (goodsName,goodsPrice)>
<!ELEMENT goodsName (#PCDATA)>
<!ELEMENT goodsPrice (#PCDATA)>
內部的：
<?xml version="1.0"?>
<!DOCTYPE root [
<!ELEMENT root(student)>
<!ELEMENT student (#PCDATA)>
<!ENTITY CCTV "中央電視臺">
]> <!--把DTD文件寫在體內-->
<root><student>
student watch &CCTV;<!--使用自定義實體 CCTV-->
</student></root>
<!--***************** 內外部的實體舉例 完畢 ********************** -->
XML處理模式
一、 DOM 文檔對象模式
1.DOM特點：
以樹型結構訪問XML文檔。 一棵DOM樹包含全部元素節點和文本節點。可以前後遍歷樹中的每一個節點。
整個文檔樹在內存中，便於操作；支持刪除、修改、重新排列等多種功能。
將整個文檔調入內存（包括無用的節點），浪費時間和空間。
一旦解析了文檔還需多次訪問這些數據；硬件資源充足（內存、CPU）情況下使用。
2.DOM樹與節點
XML文檔被解析成樹型結構。
樹由節點組成。共有12種不同的節點。
節點可以包含其他節點（依賴於節點的類型）。
父節點包含子節點。葉子節點沒有子節點。
3.節點類型
Document node 包含：一個根Element節點。一個或多個處理指令節點。
Document Fragment node
Element node包含：其他Element節點。若干個Text節點。若干個Attribute節點。
Attribute node 包含：一個Text節點。
Text node
Comment node
Processing instruction node
Document type node
Entity node
Entity reference node
CDATA section node
Notation node
二、 SAX 基於事件處理模式
解析器向一個事件處理程序發送事件，比如元素開始和元素結束，而事件處理器則處理該信息。
然後應用程序本身就能夠處理該數據。原始的文檔仍然保留完好無損。
<![CDATA[################## SAX處理器(遍歷XML) ###########################]]>
import java.io.IOException;
import javax.xml.parsers.ParserConfigurationException;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;
import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.SAXParseException;
import org.xml.sax.helpers.DefaultHandler;
public class TestSAXParser {
/** 基於SAX方式解析XML文檔 */
public static void main(String[] args)
throws SAXException,ParserConfigurationException,IOException{
SAXParserFactory factory = SAXParserFactory.newInstance(); //創建SAX解析器工廠
factory.setValidating(true); //讓error方法生效
SAXParser parser = factory.newSAXParser(); //生成一個具體的SAX解析器
parser.parse("src/file/student.xml",new XMLreader()); //開始解析
}}
class XMLreader extends DefaultHandler {
// 只需覆蓋我們感興趣的方法
private int counter = 0;// 定義一個計數器，保存XML文檔觸發事件的次數
@Override // 文檔開始事件觸發
public void startDocument() throws SAXException {
counter++;
System.out.println(counter + ".解析XML文件開始...");}
@Override // 文檔結束事件觸發
public void endDocument() throws SAXException {
counter++;
System.out.println("\r\n"+counter + ".解析XML文件結束...");}
@Override // 元素開始事件觸發
public void startElement(String uri, String localName, String qName,
Attributes atts) throws SAXException {
counter++;
System.out.print(counter+".<"+qName);
for(int i=0; i<atts.getLength();i++){ //讀取標誌的所有屬性
System.out.print(" "+atts.getLocalName(i)+"="+atts.getValue(i));
}System.out.print(">"); }
@Override // 元素結束事件觸發
public void endElement(String uri, String localName, String qName) throws SAXException {
counter++;
System.out.print(counter +".</"+qName+">");}
@Override // 文本事件觸發 打印時儘量不要換行，否則很難看
public void characters(char[] ch, int start, int length)throws SAXException {
counter++;
String text = new String(ch, start, length); // 當前元素的文本值
System.out.print(counter + ".Text=" + text);}
@Override //這是可恢復錯誤。需在SAXParserFactory設置有效性錯誤才能生效
public void error(SAXParseException e) throws SAXException {
System.out.println("xml文檔有效性錯誤："+e);}
@Override //嚴重錯誤
public void fatalError(SAXParseException e) throws SAXException {
System.out.println("xml文檔嚴重的有效性錯誤："+e);}
}
<![CDATA[################## SAX處理器(遍歷XML)結束 ###########################]]>
三、 DOM
<![CDATA[######################### DOM遍歷方式 ###########################]]>
import java.io.File;
import java.io.IOException;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.parsers.ParserConfigurationException;
import org.w3c.dom.Attr;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NamedNodeMap;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;
import org.xml.sax.SAXException;
/**基於DOM的解析XML文檔*/
public class TestDOMParser {
public static void main(String[] args)
throws ParserConfigurationException,SAXException,IOException{
//創建一個DOM解析器工廠
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
//從工廠中生成一個DOM解析器； throws ParserConfigurationException
DocumentBuilder builder = factory.newDocumentBuilder();
//綁定需要解析的XML文件
File xmlFile = new File("src/file/student.xml");//相對地址，相對於這個工程
//開始解析 ；throws SAXException,IOException
Document document = builder.parse(xmlFile);
//取出唯一的根元素
Element rootElement = document.getDocumentElement();
//調用業務方法： 遍歷根元素
printElement(rootElement);
}
/** 遍歷元素，包含： 子元素、屬性、文本內容 */
private static void printElement(Element e){
//打印出元素的標籤名
System.out.print("<"+e.getTagName());
//獲取開始標籤的屬性
NamedNodeMap attMap = e.getAttributes();
//循環遍歷所有的屬性
for (int i=0;i<attMap.getLength();i++){
Attr attr = (Attr)attMap.item(i);
System.out.print(" "+attr.getName()+"=\""+attr.getValue()+"\"");}
System.out.print(">");
//獲取當前元素的所有子節點
NodeList nl = e.getChildNodes();
for (int j=0;j<nl.getLength();j++){
Node n = nl.item(j);
if (Node.ELEMENT_NODE==n.getNodeType()){
printElement((Element)n);//遞歸調用，以遍歷下一個元素
} else {
System.out.print(n.getTextContent());
}
}
//打印結束標籤
System.out.print("</"+e.getTagName()+">");
}}
<![CDATA[ ###################### DOM遍歷 完畢 ##########################]]>
比較DOM與SAX：
DOM:處理大型文件時其性能下降的非常厲害。這個問題是由DOM的樹結構所造成的，這種結構佔用的內存較多，而且DOM必須在解析文件之前把整個文檔裝入內存,適合對XML的隨機訪問
優點：1.提供隨機定義元素操作，來回移動指針
2.將整個XML文件一次性加載到內存，形成虛的內存樹
缺點：1.如果XML文件較大，內存空間佔用較大
2.強制將較大的XML文件加載到內存中，有可能損害文件
3.功能通用性
SAX:不同於DOM,SAX是事件驅動型的XML解析方式。它順序逐行讀取XML文件，不需要一次全部裝載整個文件。當遇到像文件開頭，文檔結束，或者標籤開頭與標籤結束時，它會觸發一個事件，用戶通過在其回調事件中寫入處理代碼來處理XML文件，適合對XML的順序訪問