Java菜鸟补给站HTML,XML,以及解析XML

目录

HTML,XML的区别

解析XML

DOM解析

SAX解析

选择DOM还是选择SAX?

DOM4J解析

JDOM解析

HTML,XML的区别

1. XML是区分大小写字母的，HTML不区分。

2. 在HTML中，如果上下文清楚地显示出段落或者列表键在何处结尾，那么你可以省略

HTML：

XML：

3. 在XML中，拥有单个标记而没有匹配的结束标记的元素必须用一个 / 字符作为结尾。这样分析器就知道不用 查找结束标记了。

4. 在XML中，属性值必须分装在引号中。在HTML中，引号是可用可不用的。

5. 在HTML中，可以拥有不带值的属性名。在XML中，所有的属性都必须带有相应的值。

• XML是用来存储和传输数据的


• HTML是用来显示数据的


• 如果使用了完全符合XML语法要求的HTML，那么就叫做符合XHTML标准。符合XHTML标准的页面有利于SEO。

解析XML

• DOM解析

DOM（Document Object Model),

    DOM是用与平台和语言无关的方式表示XML文档的官方W3C标准。DOM是以层次结构组织的节点或信息片断的集合。这个层次结构允许开发人员在树中寻找特定信息。分析该结构通常需要加载整个文档和构造层次结构，然后才能做任何工作。由于它是基于信息层次的，因而DOM被认为是基于树或基于对象的。

[优势]
      ①允许应用程序对数据和结构做出更改。
      ②访问是双向的，可以在任何时候在树中上下导航，获取和操作任意部分的数据。
[缺点]
      ①通常需要加载整个XML文档来构造层次结构，消耗资源大

• SAX解析

SAX（Simple API for XML)

  SAX处理的优点非常类似于流媒体的优点。分析能够立即开始，而不是等待所有的数据被处理。而且，由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中。这对于大型文档来说是个巨大的优点。事实上，应用程序甚至不必解析整个文档；它可以在某个条件得到满足时停止解析。一般来说，SAX还比它的替代者DOM快许多。
[优势]
①不需要等待所有数据都被处理，分析就能立即开始。
②只在读取数据时检查数据，不需要保存在内存中。
③可以在某个条件得到满足时停止解析，不必解析整个文档。
④效率和性能较高，能解析大于系统内存的文档。
[缺点]
①需要应用程序自己负责TAG的处理逻辑(例如维护父子关系等)，文档越复杂程序就越复杂。
②单向导航，无法定位文档层次，很难同时访问同- - -文档的不同部分数据，不支持XPath。
 

选择DOM还是选择SAX?

• 对于需要自己编写代码来处理XML文档的开发人员来说，选择DOM还是SAX解析模型是一个非常重要的设计决策。DOM采用建立树形结构的方式访问XML文档，而SAX采用的是事件模型。


• DOM解析器把XML文档转化为一个包含其内容的树，并可以对树进行遍历。用DOM解析模型的优点是编程容易，开发人员只需要调用建树的指令，然后利用navigation APIs访问所需的树节点来完成任务。可以很容易的添加和修改树中的元素,。然而由于使用DOM解析器的时候需要处理整个XML文档，所以对性能和内存的要求比较高，尤其是遇到很大的XML文件的时候。由于它的遍历能力，DOM解析器常用于XML文档需要频繁的改变的服务中。


• SAX解析器采用了基于事件的模型，它在解析XML文档的时候可以触发一系列的事件， 当发现给定的tag的时候，它可以激活一一个回调方法，告诉该方法制定的标签已经找到。SAX对内存的要求通常会比较低，因为它让开发人员自己来决定所要处理的tag特别是当开发人员只需要处理文档中所包含的部分数据时，SAX这种扩展能力得到了更好的体现。但用SAX解析器的时候编码工作会比较困难，而且很难同时访问同一一个文档中的多处不同数据。
   



• DOM4J解析

DOM4J(Document Object Model for Java)

[优点]
①大:量使用了Java集合类，方便Java开发人员，同时提供一些提高性能的替代方法。
②支持XPath。
③有很好的性能。
[缺点]
①大:量使用了接口，API较为复杂。

虽然DOM4J代表了完全独立的开发结果，但最初，它是JDOM的一种智能分支。它合并了许多超出基本XML文档表示的功能，包括集成的XPath支持、XML Schema支持以及用于大文档或流化文档的基于事件的处理。它还提供了构建文档表示的选项，它通过DOM4J API和标准DOM接口具有并行访问功能。

从2000下半年开始，它就-直处于开发之中。为支持所有这些功能, DOM4J使用接口和抽象基本类方法。DOM4J大量使用了API中的Collections类，但是在许多情况下，它还提供-些替代方法以允许更好的性能或更直接的编码方法。直接好处是，虽然DOM4J付出了更复杂的API的代价，但是它提供了比JDOM大得多的灵活性。
在添加灵活性、XPath集 成和对大文档处理的目标时，DOM4J的目标与JDOM是一 -样的: 针对Java开发者的易用性和直观操作。它还致力于成为比JDOM更完整的解决方案，实现在本质上处理所有Java/XML问题的目标。在完成该目标时，它比JDOM更少强调防止不正确的应用程序行为。
DOM4J是一-个非常非常优秀的Java XML API，具有性能优异、功能强大和极端易用使用的特点，同时它也是一个开放源代码的软件。 如今你可以看到越来越多的Java软件都在使用DOM4J来读写XML,特别值得一提的是连Sun的JAXM也在用DOM4J.
 

• JDOM解析

JDOM(Java-based Document Object Model)

[优点]
①使用具体类而不是接口，简化了DOM的API。
②大量使用了Java集合类，方便了Java开发人员。
[缺点]
①没有较好的灵活性。
②性能较差。

JDOM的目的是成为Java特定文档模型,它简化与XML的交互并且比使用DOM实现更快。由于是第一个Java特定模型, JDOM- -直得到大力推广和促进。正在考虑通过“Java规范请求JSR-102将它最终用作“Java标准扩展"。从2000年初就已经开始了JDOM开发。
JDOM与DOM主要有两方面不同。首先，JDOM仅使用具体类而不使用接口。这在某些方面简化了API,但是也限制了灵活性。第二，API大量使用了Collections类，简化了那些已经熟悉这些类的Java开发者的使用。JDOM文档声明其目的是“使用20% (或更少)的精力解诀80% (或更多) Java/XML问题” (根据学习曲线假定为20%)。JDOM对于大多数Java/XML应用程序来说当然是有用的，并且大多数开发者发现API比DOM容易理解得多。JDOM还包括对程序行为的相当广泛检查以防止用户做任何在XML中无意义的事。然而，它仍需要您充分理解XML以便做一些超出基本的工作( 或者甚至理解某些情况下的错误)。这也许是比学习DOM或
JDOM接口都更有意义的工作。
JDOM自身不包含解析器。它通常使用SAX2解析器来解析和验证输入XML文档(尽管它还可以将以前构造的DOM表示作为输入)。它包含-些转换器以将JDOM表示输出成SAX2事件流、DOM模型或XML文本文档。JDOM是在Apache许可证变体下发布的开放源码。
 

package xml;
import java.io.File;
import java.util.ArrayList;
import java.util.List;
import org.dom4j.Document;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;
/**
* 解析 XML
* XML 解析有两种方式:SAX ,DOM
* SAX:simple api for xml ,解析XML的简单API,特点是内存占用少,速度快,
* 但是由于逐行扫描形式解析,对整体结构没有把控,不能修改XML内容
*
* DOM:document object model, 文档对象模型。特点是解析XML时会将
* XML结构内建成一颗树然后通过遍历树的形式解析xml内容，由于对
* 整体结构有把控，可以修改XML内容。但是由于会内建整棵树，因此内存占用多，
* 速度慢。
* W3C推荐的解析形式为DOM|
*
* DOM4J dom for java
*
* o2o to
* p2p p to p
*/
public class ParseXmlDemo {

public static void main(String[] args) {
/*
*使用dom 解析XML 的大致步骤
*1:创建SAXReader
*2:使用SAXReader 读取到XML 文档并生成Document对象(内建树过程)
*3:通过Document 对象获取根元素
*4:通过根元素开始按照XML的结构逐级获取子元素以达到遍历XML的目的
*/

try {
//1
SAXReader reader= new SAXReader();
//2
Document doc =reader.read(new File("./emplist.xml"));
/*
* 3: 获取根标签
* Element 类的每一个实例用于表示XML文档中的一个元素(
* 一对标签)通过Element 可以获取其表示的这对标签的相关信息
* 常用操作有:
* String getName()
* 获取当前标签名字
*
* String getText()
* 获取当前标签中间的文本
*
* Element element(String name)
* 获取当前标签下指定名字的字标签
*
* List elements()
* 获取当前标签下所有字标签
*
* List elements(String name)
* 获取当前标签下所有同名字标签(指定的名字)
*
*/
//标签
Element root = doc.getRootElement();
System.out.println(root.getName());//输出跟标签名字
/*
*将emplist.xml文件中所有的员工信息读取出来并存入一个集合
*/
List empList = new ArrayList<>();

//从标签下获取所有标签
List list=root.elements("emp");
System.out.println(list.size());
//遍历每一个标签
for(Element empEle: list){
//获取该员工的名字
//1先获取标签下名为的子标签
Element nameEle = empEle.element("name");
String name = nameEle.getTextTrim();

//获取年龄
int age = Integer.parseInt(
empEle.elementText("age")
);

//获取性别
String gender = empEle.elementText("gender");

//获取工资
int salary = Integer.parseInt(
empEle.elementText("salary")
);
//attributeValue方法用来获取当前标签下指定名字的属性对应的值
//获取标签中的属性
int id = Integer.parseInt(
empEle.attributeValue("id")
);
Emp emp = new Emp(id, name, age, gender, salary);
empList.add(emp);
}
System.out.println("解析完成!");
for(Emp e:empList){
System.out.println(e);
}
} catch (Exception e) {
e.printStackTrace();
}


}

}