深入浅出：使用DOM4J结合XPath高效解析XML

XML解析

1.1 解析概述

当将数据存储在XML后，我们就希望通过程序获取XML的内容。我们使用Java基础所学的IO知识是可以完成的，不过需要非常繁琐的操作才可以完成，且开发中会遇到不同问题（只读、读写）。

人们为不同问题提供不同的解析方式，使用不同的解析器进行解析，方便开发人员操作XML。

1.2 解析方式和解析器

开发中比较常见的解析方式有三种，如下：

1. DOM：要求解析器把整个XML文档装载到内存，并解析成一个Document对象a）优点：元素与元素之间保留结构关系，故可以进行增删改查操作。b）缺点：XML文档过大，可能出现内存溢出
2. SAX：是一种速度更快，更有效的方法。它逐行扫描文档，一边扫描一边解析。并以事件驱动的方式进行具体解析，每执行一行，都触发对应的事件。a）优点：处理速度快，可以处理大文件b）缺点：只能读，逐行后将释放资源，解析操作繁琐。
3. PULL：Android内置的XML解析方式，类似SAX。（了解）

常见的解析器

小结

xml的常用解析方式：

1. DOM
2. SAX
3. PULL

基于解析方式，常用的解析工具包： Dom4j

Dom4j的基本使用

DOM解析原理及结构模型

解析原理

将整个XML文档加载到内存，生成一个DOM树，并获得一个Document对象，通过Document对象就可以对DOM树进行操作。以下面books.xml文档为例。

<?xml version="1.0" encoding="UTF-8"?>
<books>
    <book id="0001"> 
        <name>JavaWeb开发教程</name>
        <author>张孝祥</author>
        <sale>100.00元</sale>
    </book>
    <book id="0002">
        <name>三国演义</name>
        <author>罗贯中</author>
        <sale>100.00元</sale>
    </book>
</books>

结构模型

DOM中的核心概念就是节点，在XML文档中的元素、属性、文本，在DOM中都是节点！所有的节点都封装到了Document对象中。

结论：使用Document对象，就可以去访问DOM树中的每一个节点

引入dom4j的jar包

去官网下载 zip 包。Making Your own Website - HTML, Javascript, PHP, Online marketing and other website making information...

通常我们会在项目中创建lib文件夹，将需要依赖的库放在这里库导入方式：

1. 在IDEA中，选择项目鼠标右键--->弹出菜单-->open Module settings”-->Dependencies-->+-->JARs or directories... 找到dom4j-1.6.1.jar,成功添加之后点击"OK" 即可。
2. 直接右键选择：Add as Library

3. 

小结

dom4j的解析思想，先把xml文档加载到内存中，从而得到一个DOM树，并创建一个Document对象去维护dom树。

利用Document对象，就可以去解析DOM树（解析XML文件）

常用的方法

dom4j 必须使用核心类SaxReader**加载xml文档获得Document，通过Document对象获得文档的根元素，然后就可以操作了。

SAXReader对象

Document对象

Element对象

小结

解析xml的步骤：

1. 创建SaxReader对象，调用read方法关联xml文件，得到一个Document对象
2. 通过Document对象，获取根元素
3. 获取根元素之后，就可以层层深剥，运用Element相关的API进行解析其子元素

方法演示

复制资料下的常用xml中"books.xml",内容如下:

<?xml version="1.0" encoding="UTF-8"?>
<books>
    <book id="0001">
        <name>JavaWeb开发教程</name>
        <author>张孝祥</author>
        <sale>100.00元</sale>
    </book>
    <book id="0002">
        <name>三国演义</name>
        <author>罗贯中</author>
        <sale>100.00元</sale>
    </book>
</books>

注意:为了便于解析,此xml中没有添加约束

Dom4J结合XPath解析XML

XPath使用步骤

步骤1：导入jar包(dom4j和jaxen-1.1-beta-6.jar)

步骤2：通过dom4j的SaxReader获取Document对象

步骤3： 利用Xpath提供的api,结合xpath的语法完成选取XML文档元素节点进行解析操作。

我们熟知的Document，Element等都是Node的子类型，因此也能使用上述selectNode的方法。如下图

XPath语法XPath也是一种解析XML或者HTML的方式。

• XPath表达式，就是用于选取XML文档中节点的表达式字符串。获取XML文档节点元素一共有如下4种XPath语法方式：

1. 1. 绝对路径表达式方式 例如: /元素/子元素/子子元素...
   2. 相对路径表达式方式 例如: 子元素/子子元素.. 或者 ./子元素/子子元素..
   3. 全文搜索路径表达式方式 例如: //子元素//子子元素
   4. 谓语（条件筛选）方式 例如: //元素[@attr]

在xml解析得到的一个文档对象中，Document，Element，Attribute，Text ，都是接口Node的子类型。

Node中存在两个方法，可以结合xpath使用查询节点：

List<Node>  selecteNodes(路径) ：将所有满足路径的节点给获取出来
Node  selecteSingleNode(路径) ：获取单个满足路径的节点

xpath使用步骤：

1. 创建SAXReader对象，调用read方法，关联xml文件。得到Document对象
2. 就可以使用Document对象来调用方法传入xpath路径

绝对路径表达式

格式：

String xpath="/根元素/子元素/子子元素...";

绝对路径是以“/”开头，一级一级描述标签的层级路径就是绝对路径，

这里注意不可以跨层级

• 演示需求(将素材中的Contact.xml拷贝到项目中)

采用绝对路径获取从根节点开始逐层的查找name节点列表并打印信息
String path="/contactList/contact/name";

实现步骤：

1. 先创建SAXReader对象，调用read方法，将Contact.xml关联，得到Document对象
2. 定义绝对路径
3. 调用selectedNodes

public class Demo01 {
    public static void main(String[] args) throws DocumentException {
        //采用绝对路径获取从根节点开始逐层的查找name节点列表并打印信息

        //1. 先创建SAXReader对象，调用read方法，将Contact.xml关联，得到Document对象
        SAXReader sr = new SAXReader();
        Document doc = sr.read("day15/xml/Contact.xml");
        //2. 定义绝对路径
        String xpath = "/contactList/contact/name";
        //3. 调用selectedNodes
        List<Node> nameNodes = doc.selectNodes(xpath);

        for (Node nameNode : nameNodes) {
            String text = nameNode.getText();
            System.out.println("text = " + text);
        }

    }
}

text = 潘金莲
text = 武松
text = 武大狼

相对路径表达式

相对路径介绍

格式：

String xpath2="./子元素/子子元素";        // "./"代表当前元素路径位置

需求：先采用绝对路径获取 contact 节点 再采用相对路径获取下一级name子节点并打印信息

public class Demo01 {
    public static void main(String[] args) throws DocumentException {
        //先采用绝对路径获取 contact  节点 再采用相对路径获取下一级name子节点并打印信息。
        //1. 先创建SAXReader对象，调用read方法，将Contact.xml关联，得到Document对象
        SAXReader sr = new SAXReader();
        Document doc = sr.read("day15/xml/Contact.xml");

        //先使用绝对路径，获取contact
        List<Node> contactNodes = doc.selectNodes("/contactList/contact");
        for (Node contactNode : contactNodes) {
            //使用相对路径获取name,并获取文本打印

            Node node = contactNode.selectSingleNode("./name");
            System.out.println("node.getText() = " + node.getText());

        }

    }
}


node.getText() = 潘金莲
node.getText() = 武松
node.getText() = 武大狼

全文搜索路径表达式

全文搜索路径介绍

格式：

String xpath1="//子元素//子子元素";

“/”符号，代表逐级写路径

“//”符号，不用逐级写路径，可以直接选取到对应的节点，是全文搜索匹配的不需要按照逐层级

需求：直接全文搜索所有的 name元素并打印

public class Demo01 {
    public static void main(String[] args) throws DocumentException {
        //需求：直接全文搜索所有的 name元素并打印
        //1. 先创建SAXReader对象，调用read方法，将Contact.xml关联，得到Document对象
        SAXReader sr = new SAXReader();
        Document doc = sr.read("day15/xml/Contact.xml");

        List<Node> nodes = doc.selectNodes("//name");
        for (Node node : nodes) {
            System.out.println("node.getText() = " + node.getText());
        }

    }
}

/ 表示根节点 （不能跨层级）

// 表示全文任意节点 （可以跨层级）

谓语

介绍

谓语，又称为条件

筛选方式，就是根据条件过滤判断进行选取节点格式：

String xpath1="//元素[@属性名]";//查找元素对象，全文中只要含有该属性名的元素
String xpath2="//元素[@属性名=value]";//查找元素对象，全文中只要含有该属性，并指定的值

需求：查找含有id属性的contact元素

public class Demo01 {
    public static void main(String[] args) throws DocumentException {
        //查找含有id属性的contact元素
        SAXReader sr = new SAXReader();
        Document doc = sr.read("day15/xml/Contact.xml");

        //List<Node> nodes = doc.selectNodes("//contact[@id]");//获取含有属性id的元素
        List<Node> nodes = doc.selectNodes("//contact[@id=1]");//获取含有属性并且值为1的元素
        for (Node node : nodes) {
            //将节点，先转换Element
            Element contact = (Element) node;
            System.out.println("contact.elementText(\"name\") = " + contact.elementText("name"));
        }

    }
}

小结

• 在xpath解析xml方式中，最核心的就是使用了"路径表达式"

• • xpath是利用"路径表达式"实现对xml文件的解析

• 路径表达式的语法：

1. 1. 绝对路径表达式 /根元素/子元素/子子元素/.... (一层一层查找)
   2. 相对路径表达式 ./子元素/子子元素/.....
   3. 全文搜索路径表达式 //元素 (会跨层级进行全文查找)
   4. 条件筛选表达式 //元素[@属性名]
      //元素[@属性名=属性值]