XML基础

第一章 概念

1.概念：Extensible Markup Language 可扩展标记语言

  • 可扩展：标签都是自定义的。<user> <student>

2.功能：

  • 存储数据

    1.配置文件

    2.在网络中传输

3.xml与html的区别

  • xml标签都是自定义的，html标签是预定义的。
  • xml的语法严格，html语法松散
  • xml是存储数据的，html是展示数据的

W3C：万维网联盟

第二章 语法

2.1基本语法

  • xml文档的后缀名 .xml
  • xml第一行必须定义为文档声明
  • xml文档中有且仅有一个根标签
  • 属性值必须使用引号(单双都可)引起来
  • 标签必须正确关闭
  • xml标签名称区分大小写

2.2快速入门

<?xml version="1.0" encoding="UTF-8"?>
<users>
    <user id="1">
        <name>zhangsan</name>
        <age>23</age>
        <gender>male</gender>
    </user>
    <user id="2">
        <name>lisi</name>
        <age>24</age>
        <gender>female</gender>
    </user>
</users>

2.3组成部分

1.文档声明

  • 格式：<?xml 属性列表?>
  • 属性列表：
    • version：版本号，必须的属性
    • encoding：编码方式。告知解析引擎当前文档使用的字符集，默认值：ISO-8859-1
    • standalone：是否独立
      • yes：不依赖其他文件
      • no：依赖其他文件

2.指令(了解)：结合CSS的

  • <?xml-stylesheet href="a.css" type="text/css"?>

3.标签：标签名称是自定义的

  • 名称可以包含字母，数字以及其他字符
  • 名称不能以数字或者标点符号开始
  • 名称不能以字母xml(或者XML、Xml等等)开始
  • 名称不能包含空格

4.属性

  • id属性值唯一

5.文本

  • CSATA区：在该区域中数据会被原样展示
    • 格式：<![CDATA][数据]>

2.4约束

规定xml文档的书写规则

分类：

  • DTD：一种简单的约束技术
  • Schema：一种复杂的约束技术

DTD

.dtd

  • 引入dtd文档到xml文档中
    • 内部dtd：将约束规则定义在xml文档中
      • <!DOCTYPE 根标签名 [dtd文件内容]>
    • 外部dtd：将约束的规则定义在外部的dtd文件中
      • 本地：<!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">
      • 网络：<!DOCTYPE 根标签名 PUBLIC "dtd文件名字" dtd文件的位置URL">

缺点：不能规定标签内内容的有效性。

Schema

.xsd

规定好了标签内内容的数据类型和范围。

引入：

1.填写xml文档的根元素

2.引入xsi前缀

3.引入xsxd文件命名空间

4.为每一个xsd约束声明一个前缀，作为标识

第三章 解析

3.1解析方式

解析：操作xml文档，将文档中的数据读取到内存中。

  • 操作xml文档

    • 解析(读取)：将文档中的数据读取到内存中
    • 写入：将内存中的数据保存到xml文档中。持久化的存储

  • 解析xml的方式

    • DOM：将标记语言文档一次性加载进内存，在内存中形成一颗DOM树
      • 优点：操作方便，可以对文档进行CRUD的所有操作
      • 缺点：占内存
    • SAX：逐行读取，基于事件驱动的。类似指针，读一行释放一行，内存中永远只有一行
      • 优点：不占内存
      • 缺点：只能读取，不能增删改

3.2常见的解析器

1.JAXP：sun公司提供的解析器，支持dom和sax两种思想。

2.DOM4J：一款非常优秀的解析器。

3.Jsoup：jsoup是一款Java的HTML解析器，可以直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可以通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。

4.PULL：Android操作系统内置的解析器，sax方式的。

第四章 Jsoup

4.1快速入门

步骤：

  • 导入jar包
  • 获取Document对象
  • 获取相应的标签Element对象
  • 获取数据
package com.demo.xml.jsoup;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;

/*
* Jsoup快速入门
* */
public class JsoupDemo1 {
    public static void main(String[] args) throws IOException {
        //2.获取Document对象，根据xml文档获取
        //2.1获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //2.2解析xml文档，加载文档进内存，获取dom树 ---> Document
        Document document = Jsoup.parse(new File(path), "utf-8");
        //2.3获取元素对象 Element
        Elements elements = document.getElementsByTag("name");

        System.out.println(elements.size());
        //3.1获取第一个name的Element对象
        Element element = elements.get(0);
        //3.2获取数据
        String name = element.text();
        System.out.println(name);
    }
}
<?xml version="1.0" encoding="UTF-8"?>

<students>
    <student number="1">
        <name>zhangsan</name>
        <age>23</age>
        <sex>male</sex>
    </student>
    <student number="2">
        <name>lisi</name>
        <age>24</age>
        <sex>female</sex>
    </student>
</students>

4.2对象

1.Jsoup对象

工具类，可以解析html或xml文档，返回Document

  • parse：解析html或xml文档，返回Document
    • parse(File in, String charsetName)：解析xml或html文件的。
    • parse(String html)：解析xml或html字符串。
    • parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象。

2.Document对象

文档对象，代表内存中的dom树

  • 获取Element对象

    • getElementById(String id)：根据id属性值获取唯一的element对象。

    • getElementsByTag(String tagName)：根据标签名称获取元素对象集合。

    • getElementsByAttribute(String Key)：根据属性名称获取元素对象集合。

    • getElementsByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合。

3.Elements对象

元素Element对象的集合。可以当做ArrayList<Element>来使用

4.Element对象

元素对象

  • 获取子元素对象
    • 同Document对象获取Element对象方法一致。
  • 获取属性值
    • String attr(String key)：根据属性名称获取属性值。
  • 获取文本
    • String text()：获取文本内容
    • String html()：获取标签体的所有内容(包括子标签的字符串内容)

5.Node对象

节点对象

  • 是Document和Element的父类

4.3查询

1.selector：选择器

  • 使用的方法：Elements select(String cssQuery)
    • 语法：参考Selector类中定义的语法

2.Xpath

即为XML路径语言，它是一种用来确定XML(标准通用标记语言的子集)文档中某部分位置的语言

  • 使用Jsoup的Xpath需要导入jar包
  • 查询w3cshool参考手册，使用xpath的语法完成查询
package com.demo.xml.jsoup;

import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
import cn.wanghaomiao.xpath.model.JXDocument;
import cn.wanghaomiao.xpath.model.JXNode;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

import java.io.File;
import java.io.IOException;
import java.util.List;

public class JsoupDemo2 {
    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
        //1获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();

        //2.获取Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //3.根据document对象，创建JXDocument对象
        JXDocument jxDocument = new JXDocument(document);

        //4.结合xpath语法查询
        List<JXNode> jxNodes = jxDocument.selN("//student");
        for (JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
        }

        List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
        for (JXNode jxNode : jxNodes2) {
            System.out.println(jxNode);
        }

        List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@number]");
        for (JXNode jxNode : jxNodes3) {
            System.out.println(jxNode);
        }

        List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@number = '1']");
        for (JXNode jxNode : jxNodes4) {
            System.out.println(jxNode);
        }

    }
}