XML简单入门

XML：

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

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

• 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

• 取值：
  yes：不依赖其他文件
  no：依赖其他文件

• 指令(了解)：结合css的
  <?xml-stylesheet type="text/css" href="a.css" ?>

• 标签：标签名称自定义的

• 规则：
  名称可以包含字母、数字以及其他的字符
  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

• 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
  格式： <![CDATA[ 数据 ]]>

约束：规定xml文档的书写规则

• 分类：
  • DTD：一种简单的约束技术
    - 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
    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">
  

  • Schema：一种复杂的约束技术
    - 引入：
    1.填写xml文档的根元素
    2.引入xsi前缀. xmlns:xsi=“http://www.w3.org/2001/XMLSchema-instance”
    3.引入xsd文件命名空间. xsi:schemaLocation=“http://www.itcast.cn/xml student.xsd”
    4.为每一个xsd约束声明一个前缀,作为标识 xmlns=“http://www.itcast.cn/xml”

解析：操作xml文档，将文档中的数据读取到内存中

1. 操作xml文档

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

2. 解析xml的方式：

   	1. 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
   	2. SAX：逐行读取，基于事件驱动的。
   		优点：不占内存。
   		缺点：只能读取，不能增删改
   

xml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。
4. PULL：Android操作系统内置的解析器，sax方式的。

Jsoup：
- 快速入门：

• 步骤：
  1. 导入jar包
  2. 获取Document对象
  3. 获取对应的标签Element对象
  4. 获取数据
• 对象的使用：
  1. Jsoup：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：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：元素Element对象的集合。可以当做ArrayList<Element>来使用

4. Element：元素对象

   1. 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 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

2. 获取属性值

String attr(String key)：根据属性名称获取属性值

3. 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(包括字标签的字符串内容)

5. Node：节点对象

• 是Document和Element的父类

快捷查询方式：

• 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
• XPath：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需要额外导入jar包。
  - 查询w3cshool参考手册，使用xpath的语法完成查询