文章目录
1 概念
Extensible Markup Language 可扩展标记语言
可扩展：标签都是自定义的
功能：存储数据
- 配置文件
- 在网络中传输
xml和html的区别
- xml的标签都是自定义的 html的标签都是预定义的
- xml语法严格 html语法松散
- xml是存储数据的 html是展示数据的
2 语法
2.1 基本语法
- 后缀名是.xml
- 第一行必须定义为文档声明
<?xml version="1.0" encoding="utf-8" ?>- xml中有且仅有1个根标签
- 属性值必须使用引号引起来
- 标签必须有结束
- xml标签区分大小写
2.2 组成部分
- 文档声明：
<?xml 属性列表 ?>
属性列表：version版本号、encoding编码方式（默认ISO-8859-1）、standalone是否独立（'yes’不依赖其他文件/'no’依赖其他文件） - 指令：结合css控制样式（了解）
<?xml-stylesheet type="text/css" href="#.css" ?> - 标签：名称自定义。数字、标点不能开头，名称不能以xml开头，名称不能包含空格。
- 属性：id属性唯一
- 文本：CDATA区，在这个区域的内容会原样展示
< ! [ CDATA [ 展示数据 ] ] >
2.3 约束
约束：规定xml文档的书写规则
目标：在xml中引入约束文档，读懂约束文档
分类
- DTD：一种简单的约束技术
- Schema：一种复杂的约束技术
2.3.1 使用DTD约束
将dtd文档引入xml文档
-<!DOCTYPE 根标签名 SYSTEM "dtd文件位置">
<!ELEMENT students (student*) >
<!--根标签是students *表示子标签student可以出现多次-->
<!ELEMENT student (name,age,sex)>
<!--student有三个子标签可以出现1次-->
<!ELEMENT name (#PCDATA)>
<!--子标签的数据类型是PCDATA-->
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!ATTLIST student number ID #REQUIRED>
<!--student必须有id-->
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE students SYSTEM "student.dtd">
<students>
<student number="itcast_0001">
<name>tom</name>
<age>18</age>
<sex>male</sex>
</student>
</students>
2.3.2 使用Schema约束
可以约束标签的属性值
引入约束：首先填写根标签，然后引入xsi前缀，引入xsd文件命名空间，给每个xsd约束声明一个前缀作为标识
3 解析
3.1 将文档中的数据读到内存
操作xml文档将文档中的数据读取到内存中
扫描二维码关注公众号，回复：
12662046 查看本文章
解析XML的方式：服务端一般用DOM 移动端一般用SAX
- DOM : 将标记语言文档一次性加载进内存，在内存中形成一棵DOM树。
优点：操作方便，可以对文档进行CRUD的所有操作
缺点：消耗内存 - SAX：逐行读取，基于事件驱动的。读一行释放一次。
优点：不占内存
缺点：只能读取，不能增删改
3.2 XML常见的解析器
- JAXP：SUN公司提供的解析器，支持DOM和SAX两种思想
- DOM4J
- Jsoup：是一款HTML解析器，通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。可以直接解析URL地址和HTML文本内容
- PULL：安卓OS内置的解析器，使用SAX方式。
4 Jsoup
4.1 使用Jsoup
- 导入jar包
- 获取Document对象
- 获取对应的标签Element对象
- 获取数据
public static void main(String[] args) throws IOException {
//获取xml的path
String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
System.out.println(path);/*E:/JavaLearn/project/JavaScript/out/production/JavaScript/student.xml*/
//解析xml文档 加载文档进内存 获取dom树
Document document = Jsoup.parse(new File(path), "utf-8");
//获取Element元素对象
Elements elements = document.getElementsByTag("name");
//获取第一个name的element对象
Element element = elements.get(0);
String name = element.text();
System.out.println(name);
}
4.2 对象的使用
主要对象
- Jsoup是一个工具类，可以解析html或xml文档，返回Document对象
- Document是文档对象，代表内存中的DOM树
- Elements是元素Element对象的集合，可以当作ArrayList<Element>来使用
- Element是元素对象，可以获取元素的属性和文本等
- Node是节点对象，是以上对象的父亲。
4.2.1 Jsoup对象
Jsoup主要方法
Jsoup.parse(File in, String charset)用来解析html和xml文档返回Document对象，参数是XML或HTML文件Jsoup.parse(String html)可以解析xml或html格式的字符串，返回DOM对象Jsoup.parse(URL url, int timeoutMills)通过网络获取指定的html或xml文档对象
爬虫解析HTML时常用
public static void main(String[] args) throws IOException {
URL url = new URL("https://www.baidu.com");
Document parse = Jsoup.parse(url, 10000);
System.out.println(parse);
}
4.2.2 Document对象
getElementById(String id)根据id属性值获取唯一的element对象getElementsByTag(String name)根据标签名获取元素对象的集合getElementsByAttribute(String key)根据属性名称获取元素对象的集合getElementsByAttributeValue(String key, String value)根据对应的属性名和属性值获取元素对象
4.2.3 Element对象
获取子元素对象
getElementById(String id)根据id属性值获取唯一的element对象getElementsByTag(String name)根据标签名获取元素对象的集合getElementsByAttribute(String key)根据属性名称获取元素对象的集合getElementsByAttributeValue(String key, String value)根据对应的属性名和属性值获取元素对象
获取属性值
String attr(String key)：根据属性名称获取属性值
获取文本内容
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
public static void main(String[] args) throws IOException {
String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "UTF8");
//通过DOM对象获取name标签 可以获取所有的name标签
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
//通过ELement对象获取name标签
Element student = document.getElementsByTag("student").get(0);//第一个标签
//通过Element对象获取子标签对象
Elements name = student.getElementsByTag("name");
System.out.println(name.size());
//获取student的属性值
String number = student.attr("number");
System.out.println(number);
//获取文本内容
String text = elements.text();
System.out.println(text);//仅获取文本
System.out.println(elements.html());//获取子标签和文本
}
4.3 快捷查询方式
4.3.1 selector选择器
Elements select(String cssQuery)- 语法：参考selector类的文档
public static void main(String[] args) throws IOException {
String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "UTF8");
//查询name标签
Elements name = document.select("name");//标签选择器
System.out.println(name+"\n");
//查询id值为XXX的元素
Elements select = document.select("#smalltom");
System.out.println(select+"\n");
//获取student标签并且number属性值为 001 的age子标签
Elements select1 = document.select("student[number='001']");
//1. 获取student标签并且number属性值为 001
System.out.println(select1+"\n");
//2. 获取001的student标签子标签
Elements select2 = document.select("student[number='001'] > age");
System.out.println(select2);
}
4.3.2 XPath
XML路径语言，用来确定XML文档中查找信息的语言
对DOM树形结构进行操作
需要导入JsoupXpath的jar包
查询w3cshool的参考手册区使用XPath的语法进行查询
public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "UTF8");
//根据DOM对象创建JXDocument
JXDocument jxDocument = new JXDocument(document);
//查询所有student标签
List<JXNode> jxNodes = jxDocument.selN("//student");
System.out.println(jxNodes+"\n");
//查询所有student标签下的所有name标签
List<JXNode> jxNodes1 = jxDocument.selN("//student/name");
System.out.println(jxNodes1+"\n");
//查询所有student标签下带id属性的name标签
List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");
System.out.println(jxNodes2+"\n");
//查询所有student标签下带id属性的name标签 且属性值为XXX
List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id='XXX']");
System.out.println(jxNodes3);
}