Java XML解析技术

第20章 Java XML解析技术

1、XML

XML（eXtended MarkupLanguage）可扩展标记语言的缩写，是一种类似HTML 的标记。XML是被设计用来描述数据，能够用纯文本的形式表现各种机构复杂的数据，易于在各平台上构造和解析，因此在跨平台网络数据交换、数据存储等方面得到广发的应用。

 

1.1、可扩展性：

         指程序员可以定义自己需要的标记，创建自己的标记语言，但定义标记时必须遵守XML规范。

 

1.2、标记语言：

         也称为置标语言，是一种将文本以及文本相关的其他信息2结合起来、展现出关于文本结构和数据处理细节的电脑文字编码。当今广泛的标记语言有超文本标记语言（HTML）。和可扩展标记语言（XML）。标记语言广泛应用于网页和网络应用程序等。

 

XML文本分两部分组成：

         序言：包括声明、处理指令、文档类型定义、注释组成。

文档元素：包括根元素、元素、属性、和文本组成。

Xml声明有以下几部分组成：

         Version：文档符合XML1.0规范，现在只有1.0

         Encoding文档字符编码，默认为UTF-8

         Standalone：文档定义是否在一个文件内

            -Standalone = “yes”

           -Standalone = “no”

<?xmlversion = “1.0”encoding = “UTF-8”,

1.3、XML的注释：

         <!- -注释内容- - >

1）  不要把注释放在标记中间：

2）  注释不能嵌套；

3）  可以在除标记以外的任何地方放注释。

1.4、XML处理指令：

1）处理指令用于  XML解析器传递信息到应用程序。

         -XML解析器是读取并保存XML文档内容的软件模块

2）格式：<?处理指令名称处理指令信息？>

         指明了与其所属文档配套使用的样式表的类型为XSL。

1.5、XML的元素：

         元素TITLE <TITLE>lovoinfo.com<TITLE>  有元素开始<TITLE>lovo、文本、元素结束组成；

         空元素

1.6、XML根元素：

1）  每个XML文档必须有且只有一个根元素

2）根元素是一个完全包括文档中其他所有元素的元素

3）根元素的起始标记要放在所有其他的起始标记之前

4）根元素的结束标记要放在所有其他元素的结束标记之后。

1.7、XML实体：

XML中预定的符号如：“<”、“”“、”>”、如果XML文档中出现了这样的数据，使用预定的实体类代替。

 

实体	符号
&lt	<
&gt	>
&am	&
&quot	“
&apos	‘

1.8、XML元素属性：

格式如下：

         <Student ID = “100”

                   <Name>TOM</Name>

         </Student>

1）  属性值用双引号（“）或单引号（‘）分隔（如果属性值中有’，用”分隔；有 “ ，用 ‘ 分隔）

2）  一个元素可以有多喝属性，他的基本格式为：

1.9、CDATA:

         用于把整个段文本解释为纯字符数据而不是标记的情况。

特点：

是不被解析器解析的文本。文本内的标签不会被当做标记，实体不会被展开。

语法：

         <![CDATA[

。。。。。。。。。

] ]>

可以输入任意字符（除）]]）

1.10、结构完整的XML文本：

1、  语法规范：

1）  --必须有XML声明语句

                   <?xml version=”1.0”encoding=”gb2312”?>

2）  --必须有且有一个根元素

3）  --标记大小写敏感

4）属性值用引号

5）/

2、  元素语法

1.11、XML解析技术：

1）  文档对象模型（DOM），一种基于树结构的API。

2）  XML简单API（SAX），一种事件驱动的API。

 

2、DOM和SAX的区别：

2.1、DOM

核心是按树的结构处理XML数据，DOM解析器读取XML文档并在内存中建立一个文档树结构，通过操作此结构来处理XML文档。

DOM优点：

是编程容易，可以从上到下多次遍历；

DOM缺点

是由于DOM解析是需要将XML文档整个读入内存，所以占用内存大，不合适大型XML文档的解析。

2.2、SAM：

         SAM核心是事件驱动处理机制，它采用逐行烧苗文档，一边扫描一边解析的方式。由于SAM不需要将XML文档整个读入内存。

SAM优点：

是占用内存少，效率高，适合大型XML文档的解析；

SAM缺点：

是事件触发是有序的，文档只能遍历一次。