XML学习笔记

1.初识

1.1 概念

• Extensible Markup Language 可扩展标记语言
• 可扩展：标签都是可以自定义的

1.2 功能

• 存储数据
  • 当做配置文件
  • 在网络中传输

1.3 与html的区别

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

2.语法

2.1基本语法

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

2.2 快速入门

<?xml version='1.0' ?>

<users>

	<user id='1'>
		<name>zhangsan</name>
		<age>23</age>
	</user>
	
	<user id='2'>
		<name>lisi</name>
		<age>24</age>
	</user>
	
</users>

2.3 组成部分

• 文档说明

  • 格式：

    <?xml 属性列表 ?>
    

  • 属性

    • version：版本号。必须的属性。
    • encoding：编码方式。告知解析引擎当前文档所使用的字符集。
    • standalone：是否独立。yes/no，是否依赖其他文件

• 指令（了解）：结合CSS

• 标签：标签名称是自定义的

  • 规则
    • 可以包含数字、字母或其他的字符
    • 名称不能以数字或标点符号开始
    • 名称不能以xml开始
    • 名称不能包含空格

• 属性

  • id属性值唯一

• 文本

  • CDATA区：在该区域中的数据会被原样展示

3. 约束

3.1 概念

• 规定了xml文档的书写规则

• 作为框架的使用者（程序员）需要做到：

  • 能够在xml中引入约束文档
  • 能够简单读懂约束文档

• 框架需要解析xml，但xml的标签是可扩展的，每个程序员的标签名称可能不一样，所以需要一个**说明文档（约束）**来对xml编写制定规则，程序员根据规则来进行xml的编写

3.2 分类

1.DTD：一种简单的约束技术

• 文件以.dtd后缀结尾

• 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（不常用）

  • 外部dtd：将约束规则定义在外部的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">
    

2.Schema：一种复杂的约束技术

• 能够详细定义标签中属性的值和类型等

• 文件以.xsd后缀结尾

• 读懂引入schema文档

  <!--
  	1.填写xml文档的根元素
  	2.引入xsi前缀
  	3.引入xsd文件命名空间
  	4.为每一个xsd约束声明一个前缀，作为标识
  -->
  
  <students
           xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  		xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"
           xmlns:a="http://www.itcast.cn/xml "
  </students>
  <!--
  	1.students:根元素
  	2.xis前缀
  	3.schemaLocation命名空间中"http...."为约束说明
  	4.a是约束前缀，如果不加默认为空的时候的约束说明
  		如果有多个约束说明
  		在后面使用的时候，<a:stduents>代表使用的是a，<b:stduents>代表使用的是b，
  -->
  

4. 解析

概念

操作xml文档，将文档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

4.1解析xml的方式

DOM（常用于服务端）

• 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，因为是一次性加载，而且数据结构是为树，一般加载进来后所占内存是文档的上千倍

SAX（常用于客户端）

• 逐行读取，基于事件驱动（如读到某标签后执行某操作）
• 优点：不占内存。每次读取都是一行，读取下一行的时候释放上一行
• 缺点：只能读取，不能进行CRUD操作

4.2 常见的xml解析器

JAXP：sun公司提供的解析器，支持dom和sax两种思想

DOM4J：一款非常优秀的解析器

Jsoup：jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。但解析XML也是没有问题的

PULL：Android操作系统内置的解析器，sax方式的

4.3 Jsoup

快速入门

• 导入jar包或者maven依赖

  <dependency>
         <groupId>org.jsoup</groupId>
         <artifactId>jsoup</artifactId>
         <version>1.14.3</version>
  </dependency>
  

• 获取Document对象

• 获取对应标签Element对

• 获取数据

public class JsoupDemo {
    public static void main(String[] args) throws IOException {
        //1.获取students.xml的path
        String path = JsoupDemo.class.getClassLoader().getResource("students.xml").getPath();

        //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");

        //3.获取元素对象 Elements
        Elements elements = document.getElementsByTag("name");

        //获取第一个name的element对象，然后获取数据
        Element element = elements.get(0);
        System.out.println(element.text());
    }
}

对象

• Jsoup：工具类。可以解析html或xml文档，返回Docoment

  • parse：解析html或xml文档，返回Document（dom树）

    //解析html或xml文件的
    /*
    	charsetName 字符编码
    */
    Jsoup.parse(File in,String charsetName);
    
    //解析html或xml字符串的
    Jsoup.parse(String html);
    
    //通过网络路径获取指定的html或xml的文档对象
    /*
    	timeoutMillis 超时时间
    */
    Jsoup.parse(URL url,int timeoutMillis)
    

• Document：文档对象。代表内存中的dom树

  • 获取Element对象

    //根据ID属性值获取唯一的Element对象
    
    getElementById(String id)
    //根据标签名称获取 元素对象集合
    getElementsByTag(String tagName);
    
    //根据属性名称获取 元素对象集合
    getElementsByAttribute(String key);
    
    //根据属性名称和属性值获取 元素对象集合
    getElementsByAttributeValue(String key,String value);
    

• Elements：元素Element对象的集合，可以当做ArrayList

• Element：元素对象

  • 获取子元素对象

    //根据ID属性值获取唯一的Element对象
    
    getElementById(String id)
    //根据标签名称获取 元素对象集合
    getElementsByTag(String tagName);
    
    //根据属性名称获取 元素对象集合
    getElementsByAttribute(String key);
    
    //根据属性名称和属性值获取 元素对象集合
    getElementsByAttributeValue(String key,String value);
    

  • 获取属性值

    //根据属性名称获取属性值
    String arrt(String key);
    

  • 获取文本内容

    //获取子标签的纯文本内容
    String text();
    
    //获取标签体的所有内容（包括子标签的字符串内容）
    String html();
    

• Node：节点对象

选择器

• selector

  Elements select(String cssQuery);
  //语法参考 selector 定义的语法
  

• XPath

  • XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。

• 使用Jsoup的XPath需要导入额外的jar包

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

//结合xpath语法进行查询
jxDocument.selN()