详细的xml解析

XML（eXtensible Markup Language）即可扩展标记语言，它与HTML一样，都是处于SGML，标准通用语言。Xml是Internet环境中跨平台的，依赖于内容的技术，是当前处理结构化文档信息的有力工具。扩展标记语言XML是一种简单的数据存储语言，使用一系列简单的标记描述数据，而这些标记可以用方便的方式建立，虽然XML占用的空间比二进制数据要占用更多的空间，但XML极其简单易于掌握和使用。

XML与Access,Oracle和SQL Server等数据库不同，数据库提供了更强有力的数据存储和分析能力，例如：数据索引、排序、查找、相关一致性等，XML仅仅是展示数据。事实上XML与其他数据表现形式最大的不同是：他极其简单。这是一个看上去有点琐细的优点，但正是这点使XML与众不同。

XML的简单使其易于在任何应用程序中读写数据，这使XML很快成为数据交换的唯一公共语言，虽然不同的应用软件也支持其它的数据交换格式，但不久之后他们都将支持XML，那就意味着程序可以更容易的与Windows、Mac OS, Linux以及其他平台下产生的信息结合，然后可以很容易加载XML数据到程序中并分析他，并以XML格式输出结果。

XML的前身是SGML（The Standard Generalized Markup Language），是自IBM从60年代就开始发展的GML（Generalized Markup Language）

同HTML一样， XML (可扩展标识语言)是通用标识语言标准(SGML)的一个子集，它是描述网络上的数据内容和结构的标准。尽管如此，XML不象HTML，HTML仅仅提供了在页面上显示信息的通用方法(没有上下文相关和动态功能) ，XML则对数据赋予上下文相关功能，它继承了SGML的大部分功能，却使用了不太复杂的技术。.

为了使得SGML显得用户友好，XML重新定义了SGML的一些内部值和参数，去掉了大量的很少用到的功能，这些繁杂的功能使得SGML在设计网站时显得复杂化。XML保留了SGML的结构化功能，这样就使得网站设计者可以定义自己的文档类型，XML同时也推出一种新型文档类型，使得开发者也可以不必定义文档类型。

因为XML是W3C制定的，XML的标准化工作由W3C的XML工作组负责，该小组成员由来自各个地方和行业的专家组成，他们通过email交流对XML标准的意见，并提出自己的看法 (www.w3.org/TR/WD-xml)。因为XML 是个公共格式， (它不专属于任何一家公司)，你不必担心XML技术会成为少数公司的盈利工具，XML不是一个依附于特定浏览器的语言

XML（可扩展标记语言）是从称为SGML（标准通用标记语言）的更加古老的语言派生出来的。SGML的主要目的是定义使用标签来表示数据的标记语言的语法。

标签由包围在一个小于号（<）和一个大于号（>）之间的文本组成，例如<tag>。起始标签（start tag）表示一个特定区域的开始，例如<start>；结束标签（end tag）定义了一个区域的结束，除了在小于号之后紧跟着一个斜线（/）外，和起始标签基本一样，例如</end>。SGML还定义了标签的特性（attribute），它们是定义在小于号和大于号之间的值，例如<img src="picture.jpg">中的src特性。如果你觉得它看起来很熟悉的话，应该知道，基于SGML的语言的最著名实现就是原始的HTML。

SGML常用来定义针对HTML的文档类型定义（DTD），同时它也常用于编写XML的DTD。SGML的问题就在于，它允许出现一些奇怪的语法，这让创建HTML的解析器成为一个大难题：

1 某些起始标签不允许出现结束标签，例如HTML中<img>标签。包含了结束标签就会出现错误。

2 某些起始标签可以选择性出现结束标签或者隐含了结束标签，例如HTML中标签，当出现另一个标签或者某些其他标签时，便假设在这之前有一个结束标签。

3 某些起始标签要求必须出现结束标签，例如HTML中<script>标签。

4 标签可以以任何顺序嵌套。即使结束标签不按照起始标签的逆序出现也是允许的，例如，This is a sample string是正确的。

5 某些特性要求必须包含值，例如<img src="picture.jpg">中的src特性。

6 某些特性不要求一定有值，例如[td]中的nowrap特性。

7 定义特性的两边有没有加上双引号都是可以的，所以<img src="picture.jpg">和<img src=picture.jpg>都是允许的。

这些问题使建立一个SGML语言的解析器变成了一项艰巨的任务。判断何时应用以上规则的困难导致了SGML语言的定义一直停滞不前。以这些问题作为出发点，XML逐渐步入我们的视野。

XML去掉了之前令许多开发人员头疼的SGML的随意语法。在XML中，采用了如下的语法：

8 任何的起始标签都必须有一个结束标签。

9 可以采用另一种简化语法，可以在一个标签中同时表示起始和结束标签。这种语法是在大于符号之前紧跟一个斜线（/），例如<tag />。XML解析器会将其翻译成<tag></tag>。

10 标签必须按合适的顺序进行嵌套，所以结束标签必须按镜像顺序匹配起始标签，例如this is a sample string。这好比是将起始和结束标签看作是数学中的左右括号：在没有关闭所有的内部括号之前，是不能关闭外面的括号的。

11 所有的特性都必须有值。

12 所有的特性都必须在值的周围加上双引号。

这些规则使得开发一个XML解析器要简便得多，而且也除去了解析SGML中花在判断何时何地应用那些奇怪语法规则上的工作。仅仅在XML出现后的前六年就衍生出多种不同的语言，包括MathML、SVG、RDF、RSS、SOAP、XSLT、XSL-FO，而同时也将HTML改进为XHTML。

如果需要关于SGML和XML具体技术上的对比，请查看W3C的注解，位于：http://www.w3. org/TR/NOTE-sgml-xml.html

如今，XML已经是世界上发展最快的技术之一。它的主要目的是使用文本以结构化的方式来表示数据。在某些方面，XML文件也类似于数据库，提供数据的结构化视图。这里是一个XML文件的例子：

每个XML文档都由XML序言开始，在前面的代码中的第一行便是XML序言，<?xml version="1.0"?>。这一行代码会告诉解析器和浏览器，这个文件应该按照前面讨论过的XML规则进行解析。第二行代码，<books>，则是文档元素（document element），它是文件中最外面的标签（我们认为元素（element）是起始标签和结束标签之间的内容）。所有其他的标签必须包含在这个标签之内来组成一个有效的XML文件。XML文件的第二行并不一定要包含文档元素；如果有注释或者其他内容，文档元素可以迟些出现。

范例文件中的第三行代码是注释，你会发现它与HTML中使用的注释风格是一样的。这是XML从SGML中继承的语法元素之一。

页面再往下的一些地方，可以发现<desc>标签里有一些特殊的语法。<![CDATA[ ]]>代码用于表示无需进行解析的文本，允许诸如大于号和小于号之类的特殊字符包含在文本中，而无需担心破坏XML的语法。文本必须出现在<![CDATA[和]]>之间才能合适地避免被解析。这样的文本称为Character Data Section，简称CData Section。

下面的一行就是在第二本书的定义之前的：

<?page render multiple authors ?>

虽然它看上去很像XML序言，但实际上是一种称为处理指令（processing instruction）的不同类型的语法。处理指令（以下简称PI）的目的是为了给处理页面的程序（例如XML解析器）提供额外的信息。PI通常情况下是没有固定格式的，唯一的要求是紧随第一个问号必须至少有一个字母。在此之后，PI可以包含除了小于号和大于号之外的任何字符串序列。

最常见的PI是用来指定XML文件的样式表：

这个PI一般会直接放在XML序言之后，通常由Web浏览器使用，来将XML数据以特殊的样式显示出来。

历史

XML是从1996年开始有其雏形，并向 W3C（全球信息网联盟）提案，而在1998二月发布为W3C的标准（XML1.0）。 XML的前身是SGML（The Standard Generalized Markup Language），是自IBM从60年代就开始发展的 GML（Generalized Markup Language）标准化后的名称。

GML的重要概念：

文件中能够明确的将标示与内容区隔

所有文件的标签使用方法均一致

1978年，ANSI将GML加以整理规范，发布成为SGML，1986年起为 ISO 所采用（ISO 8879），并且被广泛地运用在各种大型的文件计划中，但是SGML是一种非常严谨的文件描述法，导致过于庞大复杂（标准手册就有500多页），难以理解和学习，进而影响其推广与应用。

于是，人们对SGML进行了简化衍生出 HTML。HTML 简单，在初期没有任何定义文档外观的相关方法，仅用来在浏览器里显示网页文件。而后，随着因特网的发展，人们为了控制其文件样式，扩充了描述如何显现数据的卷标。在 Netscape 与 Microsoft 之间的浏览器大战后，HTML 标准权威性遭受重大的考验，所幸，到了HTML 4.0时，W3C 又恢复了其地位。

同时W3C意识到HTML的原罪：

不能解决所有解释数据的问题 - 像是影音文件或化学公式、音乐符号等其它型态的内容。

效能问题 - 需要下载整份文件，才能开始对文件做搜寻的动作。

扩充性、d性、易读性均不佳。

为了解决以上问题，专家们使用SGML精简制作，并依照HTML的发展经验，产生出一套使用上规则严谨，但是简单的描述数据语言：XML。 XML是在一个这样的背景下诞生的—是不是能有一个更中立的方式，让消费端自行决定要如何消化、呈现从服务端所提供的信息？

而XML目的即在于提供一个对信息能够做精准描述的机制，藉以弥补 HTML 太过于表现导向的特质。

[编辑]用途

丰富文件（Rich Documents）- 自定文件描述并使其更丰富

属于文件为主的XML技术应用

标记是用来定义一块数据应该如何呈现

解释数据（Metadata）- 描述其它文件或在线信息

属于数据为主的XML技术应用

标记是用来说明一块资料的意义

组态档案（Configuration Files）- 描述软件的组态参数

选择服务器下服务器数据集，点击服务器数据集窗口的左上角+的按钮，选择数据库查询，然后给数据库查询命名，接着我们就可以添加SQL查询了。

使用sql，选择好数据源后，我们就可以使用SQL对数据库表进行 *** 作，选中查询编辑器，在其中输入SQL语句select * from Employees where EmployeeID = ${ID}。

这是一个带参数的SQL查询，"${"和"}"之间的ID即是参数，预览时输入参数ID=4的结果可以在预览组中看，实际就是执行了一个select * from Employees where EmployeeID=4的SQL查询。

使用报表数据集的 *** 作方法和服务器数据集类似，只是打开报表数据集对话框，接下来的 *** 作和服务器数据集 *** 作相同。二者的区别在于服务器数据集的配置信息保存在当前服务器的datasource.xml文件当中，当前服务器上面设计任意一张报表都可以使用该数据集，而报表数据集则将信息保存到当前的CPT文件当中，即只能适用于当前打开的这一张报表。

实现思路：可以通过w3c的dom解析器进行 *** 作，之后通过getName获取到xmltpye中的属性值。

举例：

import java.io.File

import javax.xml.parsers.DocumentBuilder

import javax.xml.parsers.DocumentBuilderFactory

import org.w3c.dom.Document

import org.w3c.dom.Element

import org.w3c.dom.NodeList

public class DomTest1

{

public static void main(String[] args) throws Exception

{

// step 1: 获得dom解析器工厂（工作的作用是用于创建具体的解析器）

DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance()

// System.out.println("class name: " + dbf.getClass().getName())

// step 2:获得具体的dom解析器

DocumentBuilder db = dbf.newDocumentBuilder()

// System.out.println("class name: " + db.getClass().getName())

// step3: 解析一个xml文档，获得Document对象（根结点）

Document document = db.parse(new File("candidate.xml"))

NodeList list = document.getElementsByTagName("PERSON")

for(int i = 0i <list.getLength()i++)

{

Element element = (Element)list.item(i)

String content = element.getElementsByTagName("NAME").item(0).getFirstChild().getNodeValue()

System.out.println("name:" + content)

System.out.println("--------------------------------------")

}

}

}

---