本文共 11536 字，大约阅读时间需要 38 分钟。
XML解析时，通过文档定义类型(DTD)或一个XML Schema定义自动检验某个文档的结构是否正确，减少处理空白字符或错误检查的工作。
例如，DTD包含一个规则<!ELEMENT font (name,size)>，表明一个font元素有两个子元素，分别是name和size。
XML Schema语言用于表示同样的约束形式如下
Schema可以表达更复杂的验证条件(比如size元素必须包含一个整数)，与DTD语法不同，Schema使用XML，处理起来更方便。
1.文档定义类型(DTD Document Type Definition)
提供DTD的方式有多种
(1)直接写到XML文件中
more rules ]> ...
在该代码中使用[]来限定其界限。文档类型必须符合根元素的名字，比如上例中的root。该方法不常见，因为DTD会使XML文档变长。
(2)将DTD存储在XML文档外，并通过SYSTEM声明来实现。
可以设定一个包含DTD的URL
或
注意：如果使用的是DTD的相对URL(比如"config.dtd")，给解析器应该是一个文件或URL对象，而不是InputStream。如果必须从一个输入流来解析，需要提供实体渲染器。
(3)源于SGML的用于识别"众所周知"的DTD的机制，通过PUBLIC来定义，如果XML处理器知道如何定位带有公共标示符的DTD，则不需要URL。
如果使用的是DTD解析器，并且想要支持公共标示符，需要调用DocumentBuilder类的setEntityResolver方法来安装EntityResolver接口的某一个实现类的一个对象，该接口只有一个方法resolveEntity
import java.io.IOException; import org.xml.sax.EntityResolver; import org.xml.sax.InputSource; import org.xml.sax.SAXException; public class TestUsePublicDtdXML implements EntityResolver{ @Override public InputSource resolveEntity(String publicId, String systemId) throws SAXException, IOException { if(publicId.equals(a know ID)){ return new InputSource(DTD data); } return null; } } 可以从InputStream、Reader或字符串构建输入源。
(4)ELEMENT规则用于规范某个元素可以拥有什么样的子元素。可以设定一个正则表达式，它由 元素内容规则表 所示组件构成。
元素内容的规则 规则 含义 E* 0或多个E E+ 1或多个E E? 0或1个E E1|E2|...|En E1,E2...En中的一个 E1,E2,...En E1,随后是E2...En #PCDATA 文本 (#PCDATA|E1|E2|...En) 0或多个任意顺序的文本和E1，E2...En(混合式内容) ANY 允许任意子元素 EMPTY 不允许有子元素
例1，menu元素包含0或多个item元素
例2，font是用一个name后面跟一个size来描述的，它们都包含了文本
缩写PCDTAT标识已解析的字符数据，这些数据称为“已解析的”，是因为解析器解释了该文本字符串，并正在寻找表示一个新标签起始的<字符或表示一个实体起始的&字符。
例3，元素的规范可以包含嵌套的和复杂的正则表达式，例如一个描述本书中一章的结构的规则
每章都以简介开头，后面是一个或多个小节，每一个小节有一个标题和1个或多个段落、图片、表格或说明组成。
例4，当一个元素可以包含文本时，只有两种情况，一种只包含文本。
另一种元素包含任意顺序的文本和标签
其他包含#PCDATA规则的类型都是非法的，比如
就是非法的,需要引入另一个标签来包含文本
注意：在设计DTD时，其中所有的元素，要么包含其他元素，要么只有文本。
例5，XML标准允许解析器假设DTD都是非二义性的。比如((x,y)|(x,z))是错误的，可以修改为(x,(y|z))。((x,y)*|x?)也是错误的，但无法修改，这时并不会发出警告，而是选取第一个匹配项，这将导致拒绝一些正确的输入。
(5)ATTLIST用于描述合法元素属性的规则。通常语法是：
例: font元素的style属性，有4个合法属性值，默认值是plain
size元素的unit属性可以包含任意字符串数据序列
属性类型 类型 含义 CDATA 任意字符串 (A1|A2|...|An) A1、A2...An之一 NMTOKEN,NMTOKENS 1或多个名字标记 ID 一个唯一的ID IDREF,IDREFS 1或多个唯一ID的引用 ENTITY,ENTITIES 1或多个未经解析的实体
CDTAT属性值的处理与#PCDATA有差别，并且与<![CDATA[...]]>部分没有多大关系。属性值首先被规范化，解析器会处理字符和实体的引用(比如é或<)，并且用空格来替换空白字符。
NMTOKEN(名字标记)与CDATA相似，但是大多数非字母数字字符和内部空白字符是不允许使用的，而且解析器会删除起始和结尾的空白字符。NMTOKENS是一个空白字符分隔的名字标记列表。
ID是在文档中唯一的名字标记，解析器会检查唯一性。
IDREF是对同一文档中存在的ID的引用，解析器也会对它进行检查。IDREFS是空白字符分隔的ID引用列表。
ENTITY是指一个“未经解析的外部实体”，是由SGML沿用下来的，实际应用中很少见到。DTD也可以定义实体，或者定义解析过程中被替换的缩写。
例:
在其他地方，文本可以包含实体的引用
解析器用替换字符串来替换实体的引用。如果对应用程序进行国际化，只需修改实体定义中的字符串。其他实体的使用更加复杂，不常用。
属性的默认值 默认值 含义 #REQUIRED 属性是必须的 #IMPLIED 属性是可选的 A 属性是可选的；若未指定，解析器报告的属性是A #FIXED A 属性必须是未设定的或者是A；两者情况下，解析器报告的属性是A
一般情况下，推荐用元素而非属性来描述数据，比如font style应该是一个独立的元素<font><style>plain</style></font>，但对于枚举类型，属性有一个优点，解析器能确认它是否合法。
(6)配置解析器来使用DTD
1)通知文档生成工厂打开验证特性。
factory.setValidating(true);
2)指定由此工厂创建的解析器在解析 XML 文档时，必须删除元素内容中的空格
factory.setIgnoringElementContentWhitespace(true);
3)访问子元素
Element nameElement = (Element)children.item(0); Element sizeElement = (Element)children.item(1);
而不用
for(int i=0;i
该工厂生产的所有文档生成器都将根据DTD来验证输入。验证最大的好处是忽略元素内容中的空白字符。
例:
Helvetica 36
一旦设定子元素是(name,size)，解析器就知道它们之间的空白字符不是文本
4)错误处理器。当解析器报告错误时，应用程序可以对该错误执行某些操作。例如，记录到日志中，把它显示给用户，或抛出一个异常以放弃解析。因此，在验证时，应该安装一个错误处理器
错误处理器是一个实现了ErrorHandler接口的对象，这个接口有三个方法
public void warning(SAXParseException exception) throws SAXException; public void error(SAXParseException exception) throws SAXException; public void fatalError(SAXParseException exception) throws SAXException;
可以通过DocumentBuilder类的setErrorHandler方法来安装错误处理器。
builder.setErrorHandler(handler);
2.XML Schema
(1)如果要在文档中引用Schema文件，需要在根元素中加上属性
...
(2)Schema定义了每个元素的类型。类型可以是简单类型、格式受限的字符串或复制类型。
一些简单类型已经被内建到了XML Schema内，包括：
xsd:string xsd:int xsd:boolean
注意：前缀 xsd: 来表示XML Schema定义的命名空间。也有用 XS: 作为前缀。
(3)可以自己定义简单类型simpeType
例如：定义一个枚举类型
当定义元素时，要设定它的类型:
类型约束了元素的内容，例如下面的元素将被正确验证:
10
下面的元素将会被解析器拒绝
default
(4)可以将类型组合成复制类型complexType，例如：
FontType是name,size和style的序列，在这个类型定义中，通过ref属性来引用在Schema中位于别处的定义。
也可以嵌套定义，例如：
注意：其中StyleType元素的匿名定义
(5)xsd:sequence和DTD中的连接符号等价。xsd:choice和|操作符等价。例如
这和DTD中的类型email|phone类型是等价的。
(6)如果要允许重复元素，可以使用minoccurs和maxoccurs属性，例如，与DTD类型item*的等价形式如下：
(7)如果要设定属性，可以把xsd:attribute元素加到complexType定义中：
...
这是与DTD声明等价的形式：
(8)可以把Schema的元素和类型定义封装到xsd:schema元素中：
...
(9)解析带有Schema的XML文件和解析带有DTD的文件类似，但有3点区别:
1)必须打开对命名空间的支持，即使在XML文件里不使用它:
factory.setNamespaceAware(true);
2)必须通过如下代码来准备处理Schema的工厂：
final String JAXP_SCHEMA_LANGUAGE = "http://java.sun.com/xml/jaxp/properties/schemaLanguage"; final String W3C_XML_SCHEMA = "http://www.w3.org/2001/XMLSchema"; factory.setAttribute(JAXP_SCHEMA_LANGUAGE, W3C_XML_SCHEMA);
3)解析器不会丢弃元素中的空白字符
3.XML解析实例
gridbag.dtd
gridbag.xsd
fontdialog.xml
| text Face: | javax.swing.JComboBox | javax.swing.JTextArea text Thequick brown fox jumps over the lazy dog editable false lineWrap true border javax.swing.border.EtchedBorder |
| javax.swing.JLable text Size: | javax.swing.JComboBox |
| javax.swing.JCheckBox text Bold |
| javax.swing.JCheckBox text Italic |
ParseXMLDemo
package demo;import java.io.File;import java.util.ArrayList;import java.util.List;import javax.xml.parsers.DocumentBuilder;import javax.xml.parsers.DocumentBuilderFactory;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.w3c.dom.Text;public class ParseXMLDemo { private static final Integer PARSE_TYPE_DOM = 1; private static final Integer PARSE_TYPE_SAX = 2; public static void main(String[] args) { ParseXMLDemo demo = new ParseXMLDemo(); String fileName = System.getProperty("user.dir") + File.separator + "conf" + File.separator + "xml" + File.separator + "fontdialog.xml"; Element root = demo.getRoot(fileName, PARSE_TYPE_SAX); if(null==root){ System.out.println("文件不存在或存在其它问题"); System.exit(0); } demo.parseXML(root, PARSE_TYPE_DOM); } private void parseXML(Element element, Integer parseType) { //该节点名称 String nodeName = element.getNodeName(); //当节点为Element时，可以通过getTagName方法获取节点名称 String tagName = element.getTagName(); //分析该节点属性 NamedNodeMap attrs = element.getAttributes(); for(int i=0;i whitespaceList = new ArrayList (); for(int i=0;i 0){ for(int i=whitespaceList.size()-1;i>=0;i--){ Node child = children.item(i); element.removeChild(child); } } } private Element getRoot(String fileName, Integer parseType) { try{ //得到一个DocumentBuilderFactory实例用于生成DocumentBuilder DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance(); //通知文档生成工厂打开验证特性 factory.setValidating(true); //当通过Schema验证时必须加入以下代码 if(parseType == PARSE_TYPE_SAX){ //必须打开对命名空间的支持，即使在XML文件里不使用它 factory.setNamespaceAware(true); //必须通过如下代码来准备处理Schema的工厂 final String JAXP_SCHEMA_LANGUAGE = "http://java.sun.com/xml/jaxp/properties/schemaLanguage"; final String W3C_XML_SCHEMA = "http://www.w3.org/2001/XMLSchema"; factory.setAttribute(JAXP_SCHEMA_LANGUAGE, W3C_XML_SCHEMA); } //指定由此工厂创建的解析器在解析 XML 文档时，必须删除元素内容中的空格 factory.setIgnoringElementContentWhitespace(true); //从DocumentBuilderFactory中得到DocumentBuilder对象 DocumentBuilder builder = factory.newDocumentBuilder(); //读入文档 File file = new File(fileName); if(!file.exists()){ return null; } Document doc = builder.parse(new File(fileName)); return doc.getDocumentElement(); }catch(Exception e){ e.printStackTrace(); return null; } }} 转载地址：http://cayci.baihongyu.com/