XML和XML的解析

XML和XML的解析

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
  1. 配置文件
  2. 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

  • w3c:万维网联盟

  2. 语法：

     • 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

     • 快速入门：

       <?xml version='1.0' ?> zhangsan 23 male
       

         <user id='2'>
         	<name>lisi</name>
         	<age>24</age>
         	<gender>female</gender>
         </user>
       

     • 组成部分：

       1. 文档声明

          1. 格式：<?xml 属性列表 ?>
          2. 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

       2. 指令(了解)：结合css的

          • <?xml-stylesheet type="text/css" href="a.css" ?>

       3. 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

       4. 属性：
          id属性值唯一

       5. 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

       • 作为框架的使用者(程序员)：

         1. 能够在xml中引入约束文档
         2. 能够简单的读懂约束文档

       • 分类：

         1. DTD:一种简单的约束技术
         2. Schema:一种复杂的约束技术

       • DTD：

         • 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：
             • 网络：

       • Schema:

         • 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”

  3. 解析：操作xml文档，将文档中的数据读取到内存中

     • 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

     • 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：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。

       • 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

       • 代码：
         //2.1获取student.xml的path
         String path = JsoupDemo1.class.getClassLoader().getResource(“student.xml”).getPath();
         //2.2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 Element
         Elements elements = document.getElementsByTag(“name”);

         System.out.println(elements.size());
         //3.1获取第一个name的Element对象
         Element element = elements.get(0);
         //3.2获取数据
         String name = element.text();
         System.out.println(name);

     • 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：

       1. 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
       2. 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

          • 代码：
            //1.获取student.xml的path
            String path = JsoupDemo6.class.getClassLoader().getResource(“student.xml”).getPath();
            //2.获取Document对象
            Document document = Jsoup.parse(new File(path), “utf-8”);

            //3.根据document对象，创建JXDocument对象
            JXDocument jxDocument = new JXDocument(document);

            //4.结合xpath语法查询
            //4.1查询所有student标签
            List jxNodes = jxDocument.selN("//student");
            for (JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
            }

            System.out.println("--------------------");

            //4.2查询所有student标签下的name标签
            List jxNodes2 = jxDocument.selN("//student/name");
            for (JXNode jxNode : jxNodes2) {
            System.out.println(jxNode);
            }

            System.out.println("--------------------");

            //4.3查询student标签下带有id属性的name标签
            List jxNodes3 = jxDocument.selN("//student/name[@id]");
            for (JXNode jxNode : jxNodes3) {
            System.out.println(jxNode);
            }
            System.out.println("--------------------");
            //4.4查询student标签下带有id属性的name标签 并且id属性值为itcast

            List jxNodes4 = jxDocument.selN("//student/name[@id=‘itcast’]");
            for (JXNode jxNode : jxNodes4) {
            System.out.println(jxNode);
            }