XML_xml *-CSDN博客

本文链接：https://blog.csdn.net/qq_35472880/article/details/82561501
XML：

1. 概念：Extensible Markup Language 可扩展标记语言
	* 可扩展：标签都是自定义的。 <user>  <student>

	* 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(必须是严格意义的第一行)
		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' ?>
		<users>
			<user id='1'>
				<name>zhangsan</name>
				<age>23</age>
				<gender>male</gender>
				<br/>
			</user>
			
			<user id='2'>
				<name>lisi</name>
				<age>24</age>
				<gender>female</gender>
			</user>
		</users>
		
	* 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：
			* 定义DTD
				* 例如:
				<!ELEMENT students (student+) >
				//students根标签，它可以包含student子标签，+代表至少一个
				<!ELEMENT student (name,age,sex)>
				//定义student标签   可以包含name,age,sex三个子标签，且使用顺序必须按声明顺序来使用，且只能出现一次
				<!ELEMENT name (#PCDATA)>
				//定义name 子标签  并定义标签体内容来文本
				<!ELEMENT age (#PCDATA)>
				//定义age 子标签  并定义标签体内容来文本
				<!ELEMENT sex (#PCDATA)>
				//定义sex 子标签  并定义标签体内容来文本
				<!ATTLIST student number ID #REQUIRED>
				//定义student标签 的一个属性叫number  ,ID表示number的属性值是唯一的, #REQUIRED表示number属性的值是必填的

			* 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
					<!DOCTYPE 根标签名 [里面放DTD的文件内容]>
				* 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URL位置">


		* Schema:
			* 约束文件：本身就是一个XML文件，后缀名为.xsd
			* 解释:
				XSD文件：
				<xsd:schema xmlns="http://www.itcast.cn/xml"
					xmlns:xsd="http://www.w3.org/2001/XMLSchema"
					targetNamespace="http://www.itcast.cn/xml" elementFormDefault="qualified">
					
				1,xmlns="http://www.itcast.cn/xml" 值是我们自己定义的命名空间,也是默认的命名空间

				2,xmlns:xsd="http://www.w3.org/2001/XMLSchema" 显示 schema 中用到的元素和数据类型来自命名空间 

				"http://www.w3.org/2001/XMLSchema"，同时它还规定了来自命名空间 "http://www.w3.org/2001/XMLSchema" 的元素和数据类型应该使用前缀 xsd
				3,targetNamespace="http://www.itcast.cn/xml"  显示被此 schema 定义的元素来自命名空间：    http://www.w3school.com.cn”  必须和上面声明的xmlns保持一致
				4,elementFormDefault="qualified"   指出任何 XML 实例文档所使用的且在此 schema 中声明过的元素必须被命名空间限定。

				*一般来说都是先定义xmlns:xsd="http://www.w3.org/2001/XMLSchema,其中xsd是可以不定义的,xsd只是一个区分的前缀
				然后定义targetNamespace,最后定义自己的命名空间,如果有多个,考虑添加前缀来进行区分(xmlns= "xxx"代表了默认的命名空间,在xml文档中是直接使用标签代表引用了此命名空间)

			

			* 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" 如果不加的话相当于是空前缀
				<students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
						xmlns="http://www.itcast.cn/xml"
					xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"
						>
				1，xmlns="http://www.itcast.cn/xml"  规定了默认命名空间的声明。此声明会告知 schema 验证器，在此 XML 文档中使用的所有元素都被声明于 "http://www.itcast.cn/xml" 这个命名空间。
				2，xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  拥有了可用的 XML Schema 实例命名空间，您就可以使用 schemaLocation 属性了。此属性有两个值。第一个值是需要使用的命名空间。第二个值是供命名空间使用的 XML schema 的位置：
				3，xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"  student.xsd的命名空间必须与所引用的xsd文件里定义的命名空间名字相同。


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(就是将持久态的数据从xml文档中解析到内存中,变成瞬时态);
		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(容易造成内存溢出)
		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。(长长用来作为爬虫工具,可以很好的解析html丶xml)
		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。
		* 中文帮助文档:  http://www.open-open.com/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
					* 这里很多获取的Elements的方法都相当于获取一个存放Element对象的ArrayList
				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<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

	* DOM4J的方式:
		1. 导包 dom4j-x.x.x.jar jaxen-x.x.jar	
		2. 创建解析器:SAXReader reader = new SAXReader();
		3. 根据解析器加载指定的XML文件得到一个document对象
			Document document = reader.read("xml文件的路径")//是相对于项目的路径
			或者使用类加载器来加载
		4. 获取根元素
			Element ele = document.getRootElement();
		5. 通过根元素再获得其相关的子元素，一层一层来解析
			Element pElement = root.element("person");// 查找的是第一个person元素
			pElement.attributeValue("id")//得到当前person元素对应的id属性值

			List<Element> elist = pElement.elements();//得到所有直接子元素集合
			Iterator its = pElement.elementIterator();//得到所有直接子元素的迭代器
			注：每一个元素对象都有一个element()方法用于获得当前元素下的子元素对象

		* 实例:
			public class Dom4JDemo1 {

			@Test
			/**
			* 获得元素的内容:查询的操作.
			*/
			public void demo1() throws Exception{
				// 创建解析器
				SAXReader reader = new SAXReader();
				// 解析XML的文档  read方法传递物理路径
				//Document document = reader.read("d:\\demo1.xml");
				//read 方法里传的是文件的物理路径，默认是当前工程下的文件路径
				Document document = reader.read("xml/demo1.xml");
				//1,用类加载器加载文件：相对路径根目录在src 下

		//		SAXReader reader = new SAXReader(); // User.hbm.xml表示你要解析的xml文档
		//		InputStream in = Dom4JDemo1.class.getClassLoader().getResourceAsStream("demo1.xml");
		//		Document document = reader.read(in);
				// 获得跟节点
				Element root = document.getRootElement();
				System.out.println(root.getName());

				// 查找跟节点下的子节点. element() elements();
				Element pElement = root.element("person"); // 查找的是第一个person元素
				// root.elements("person").get(1); // 查找的是第二个person元素
				Element nElement = pElement.element("name");
				Element aElement = pElement.element("age");
				Element sElement = pElement.element("sex");
				System.out.println(nElement.getText());
				System.out.println(aElement.getText());
				System.out.println(sElement.getText());
				System.out.println("-------------");
				Iterator its = root.elementIterator();
				while(its.hasNext()){
					Element ele = (Element)its.next();
					System.out.println("name:"+ele.getName());
					Iterator myit = ele.elementIterator();
					while(myit.hasNext()){
						Element myele = (Element)myit.next();
						System.out.println("name:"+myele.getName());
						System.out.println("text:"+myele.getText());
					}
					System.out.println("-------------");
				}
			}
			
			@Test
			/**
			* DOM4J的XPath的写法:
			*/
			public void demo2() throws Exception{
				// 创建解析器:
				SAXReader reader = new SAXReader();
				// 解析XML返回Document对象.
				Document document = reader.read("xml/demo1.xml");
				/*List<Node> list = document.selectNodes("//name");
				for (Node node : list) {
					Element element = (Element) node;
					System.out.println(element.getText());
				}*/
				//selectNodes  方法根据XPATH语法来解析XML文件
		//		List<Node> list = document.selectNodes("//person['@id']");
		//		for (Node node : list) {
		//			Element element = (Element) node;
		//			System.out.println(element.attributeValue("id"));
		//		}
				List<Element> list = document.selectNodes("//person['@id']");
				for (Element ele : list) {
					System.out.println(ele.attributeValue("id"));
				}
			}
		}



	* 关于Jsoup与DOM4J的路径问题
		Jsoup是一般是在src下放置,并使用类加载器进行读取
		DOM4J是可以直接放置相对于当前项目(project)的相对路径
				也可以放在src下使用类加载器进行加载读取	
	* 快捷查询方式：
		1. selector:选择器
			* 目的:快速定位想要找到的元素
			* 使用的方法：Elements	select(String cssQuery)
				* 语法：参考Selector类中定义的语法
				* 示例:
					Elements select = document.select("#1");
					System.out.println(select);
		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。(JsouoXpath-x.x.x.jar)
			* 查询w3cshool参考手册，使用xpath的语法完成查询
			* 步骤:
				1. 得到Jsoup对应的Document文档
				2. 根据当前文档对象得到一个JXDocument对象
				3. 调用JXDocument的方法来解析XPATH语法
				4. 循环得到一个jxnode对象
				5. 对得到的对象进行操作
			* 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<JXNode> 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<JXNode> 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<JXNode> 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<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
		        for (JXNode jxNode : jxNodes4) {
		            System.out.println(jxNode);
		        }