XML总结

XML介绍

XML(Extensible Markup Language):可扩展标记语言

可扩展:标签都是自定义的。

XML的历程:

HTML和XML都是W3C(万维网联盟)制定的标准,最开始HTML的语法过于松散,于是W3C制定了更严格的XML语法标准,希望能取代HTML。但是程序员和浏览器厂商并不喜欢使用XML,于是现在的XML更多的用于配置文件及传输数据等功能

是谁造成的HTML语法松散?

浏览器厂商。最开始W3C制定HTML的时候语法还是比较严格的。但浏览器厂商为了抢占市场,语法错误也可以解析成功HTML,最后“内卷”到HTML即使语法非常混乱也是可以被浏览器解析。

XML的功能

1、配置文件

在今后的开发过程当中我们会频繁使用框架(框架:半成品软件),使用框架时,需要写配置文件配置相关的参数,让框架满足我们的开发需求。而我们写的配置文件中就有一种文件类型是XML。

日后编写大型项目,不可能从头到尾都是原创代码,很多功能前人已经写好,我们只需要使用前人写好的半成品软件(框架),再加入一些符合我们需求的配置即可完成开发。
比如我们组装一台电脑,不可能自己焊接电路板。而是先买入一块主板,这块主板就是半成品软件。根据自己的需求加入一些配置,比如要求流畅运行吃鸡,就需要配置i7处理器、泰坦显卡。    

2、传输数据

在网络中传输数据时并不能传输java对象,所以我们需要将JAVA对象转成字符串传输,其中一种方式就是将对象转为XML类型的字符串。

XML基本语法

文件名后缀必须是xml

第一行必须是文档声明

标签区分大小写

标签必须有回标签

属性值必须用引号引起来

XML的组成部分

文档声明

文档声明必须放在第一行,格式为:

<?xml 属性列表 ?>

属性列表:

  • version:版本号(必须)
  • encoding:编码方式

标签

XML中标签名是自定义的,标签名有以下要求:

  • 包含数字、字母、其他字符
  • 不能以数字和标点符号开头,可以以_开头
  • 不能包含空格

指令(了解)

指令是结合css使用的,但现在XML一般不结合CSS,语法为:

<?xml-stylesheettype="text/css" href="a.css" ?>

属性

属性值必须用引号(单双都可)引起来

文本

如果想原样展示文本,需要设置CDATA区,格式为:

<![CDATA[文本]]>

约束:

DTD约束:

DTD是一种较简单的约束技术,引入方式如下:

  • 本地引入:
    <!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">
  • 网络引入:
    <!DOCTYPE 根标签名 PUBLIC "dtd文件的位置" "dtd文件路径">

 

例:

第一行:定义了根标签students,允许有多个子标签student

第二行:定义student标签可以有三个子标签(name,age,sex)

三、四、五行:定义了name,age,sex是文本类型

最后一行:定义了student标签的number属性,值为id类型,number属性必须写

Schema约束:

Schema比DTD对XML的约束更加详细,引入方式如下:

  1. 写xml文档的根标签
  2. 引入xsi前缀:确定Schema文件的版本。
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  3. 引入Schema文件
    xsi:schemaLocation="Schema文件定义的命名空间 Schema文件的具体路径"
  4. 为Schema约束的标签声明前缀
    xmlns:前缀="Schema文件定义的命名空间"

例如:

<students

    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

    xsi:schemaLocation="http://www.itbaizhan.cn/xml student.xsd"

    xmlns="http://www.itbaizhan.cn/xml"

>

XML解析思想:

XML解析即读写XML文档中的数据。框架的开发者通过XML解析读取框架使用者配置的参数信息,开发者也可以通过XML解析读取网络传来的数据。XML有如下解析思想:

DOM解析思想

SAX解析思想

DOM解析思想

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

学过js的兄嘚应该比较了解,也就是DOM操作嘛,将xml文件转为Document对象,从而可以使用Document对象对元素进行增删改

SAX解析思想

逐行读取,基于事件驱动的。

  • 优点:不占内存,一般用于手机APP开发中读取XML
  • 缺点:只能读取,不能增删改

常见解析器:

  • 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,支持DOM思想。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CSS以及类似于jQuery的操作方法来取出和操作数据
  • PULL:Android操作系统内置的解析器,支持SAX思想

Jsoup的作用

Jsoup的作用就是将xml文件转为document对象,通过document对象对元素进行CRUD,js可以将html转为document对象,Jsoup可以将xml转为document对象

Jsoup解析xml文件前需要做什么?

导入Jsoup的jar包

这个jar包我放在百度网盘了大家想要的通过下面这个链接直接领取吧

链接:https://pan.baidu.com/s/1CM0t-dOyPAgPQcVPjU1S0w?pwd=04h9 
提取码:04h9

Jsoup获取Document对象

Jsoup:可以解析xml或html,形成dom树对象。

parse方法的重载:

  • static Document parse(File in, String charsetName):解析本地文件
  • static Document parse(String html):解析html或xml字符串
  • static Document parse(URL url, int timeoutMillis):解析网页源文件(timeoutMillis代表访问超时时间)

Document对象获取Element元素对象

Document:xml的dom树对象

常用方法:

  • Element getElementById(String id):根据id获取元素
  • Elements getElementsByTag(String tagName):根据标签名获取元素
  • Elements getElementsByAttribute(String key):根据属性获取元素
  • Elements getElementsByAttributeValue(String key,String value):根据属性名=属性值获取元素。
  • Elements select(Sting cssQuery):根据css选择器选取元素。

元素对象的常用方法

Element: 元素对象

常用方法:

  • String text():获取元素包含的纯文本。
  • String html():获取元素包含的带标签的文本。
  • String attr(String attributeKey):获取元素的属性值。

例:

通过Jsoup实现爬虫技术

我们这里借用一下知乎日报,实现Jsoup爬虫技术

因为Jsoup可以上传网络资源并转为Document对象,所以使用Jsoup完成爬虫是非常简单的,直接上代码把,我们可以根据知乎日报网站的源代码寻找作者、内容、标题、图片等等内容

package com.baizhan.crawler;

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

import java.io.File;
import java.io.IOException;
import java.net.MalformedURLException;
import java.net.URL;

public class CrawlerDemo {
    public static void main(String[] args) throws IOException {
        //循环爬取数据
        int min = 0;
        int max = 0;
        //通过配置文件获取min和max的值
        String path = CrawlerDemo.class.getClassLoader().getResource("com/baizhan/crawler/Crawler.xml").getPath();
        Document d = Jsoup.parse(new File(path),"utf-8");
        min = Integer.parseInt(d.getElementsByTag("min").get(0).text());
        max = Integer.parseInt(d.getElementsByTag("max").get(0).text());
        for (int i = min; i <= max; i++){
            try{
                //通过Jsoup获取网络资源
                Document document = Jsoup.parse(new URL("http://daily.zhihu.com/story/"+i),5000);
                //System.out.println(document);
                //获取需要的Element对象
                Elements headerImgEle = document.getElementsByAttributeValue("alt","头图");
                Elements title = document.select(".DailyHeader-title");
                Elements authorEle = document.select(".author");
                Elements content = document.select(".content");
                //获取Element对象的数据
                System.out.println(headerImgEle.get(0).attr("src"));
                System.out.println(title.get(0).text());
                System.out.println(authorEle.get(0).text());
                System.out.println(content.get(0).text());
                System.out.println(i);
            }catch (Exception e){}
        }
    }
}

然后通过配置文件定义min和max标签,在类中直接读取标签就行了

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值