XML总结

c_mmmmmmm

于 2022-09-11 16:40:35 发布

阅读量286

点赞数

文章标签： xml java 前端 html javascript

本文链接：https://blog.csdn.net/cccccccmmm/article/details/126805660

版权

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,且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：

写xml文档的根标签
引入xsi前缀：确定Schema文件的版本。
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
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"
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