xml-CSDN博客

本文链接：https://blog.csdn.net/qq_37482956/article/details/101059092

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
           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>20</age>
    </user>
    <user id = "2">
        <name>lisi</name>
        <age>30</age>
    </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 ]]>

<?xml version="1.0"?>
<users>
    <user id = "1">
        <name>zhangsan</name>
        <age>20</age>
        <code>
            <![CDATA[if(a >= 2 && a < 8){
                out.print("hahaha");
            }]]>
        </code>
    </user>

</users>

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：<!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:
               * 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"

   <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">

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(思想)：
           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（基于以上两种思想编写的解析器）：
           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：

package Jsoup;

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

import java.io.File;
import java.io.IOException;

/*快速入门*/
public class JsoupDemo {

    public static void main(String[] args) throws IOException {
        // 2. 获取Document 对象，根据xml文档获取
        // 2.1 获取test.xml 的path
        String path = JsoupDemo.class.getClassLoader().getResource("test.xml").getPath();

        // 2.2 解析xml文档，加载文档进内存，获取dom树
        Document document = Jsoup.parse(new File(path),"utf-8");
        //System.out.println(document);

        // 3. 获取元素对象 Element
        Elements elements = document.getElementsByTag("name");
        //System.out.println(elements.size());
        // 3.1 获取第二个name 元素
        Element element = elements.get(1);
        // 3.2 获取内容
        String name = element.text();
        System.out.println(name);  // lisi
    }
}

* 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

package Jsoup;

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


import java.io.IOException;
import java.net.URISyntaxException;
import java.net.URL;

/*快速入门*/
public class JsoupDemo {

    public static void main(String[] args) throws IOException, URISyntaxException {
        // 2. 获取Document 对象，根据xml文档获取
        // 2.1 获取test.xml 的path
        String path = JsoupDemo.class.getClassLoader().getResource("test.xml").getPath();

        // 2.2 解析xml文档，加载文档进内存，获取dom树
        // parse(File in, String charsetName)：解析xml或html文件的。   
         Document document = Jsoup.parse(new File(path),"utf-8");

        // 2.3 parse(String html)：解析xml或html字符串
        String s = "<user><name>zhangsan</name></user>";
        Document document = Jsoup.parse(s);

        // 2.4  parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象  可进行爬虫
        URL url = new URL("https://blog.csdn.net/qq_37482956");
        Document document = Jsoup.parse(url,10000);
        System.out.println(document);


    }
}

           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

package Jsoup;

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

import java.io.File;
import java.io.IOException;

public class JsoupDemo2 {
    public static void main(String[] args) throws IOException {
        // 1. 获取Document 对象,
        String path = JsoupDemo2.class.getClassLoader().getResource("test.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");

        // 2. 获取元素对象
        // 2.1 获取所有的user
        Elements elements1 = document.getElementsByTag("user");
        System.out.println(elements1);
        System.out.println("-------------");


        // 2.2 获取nun = "001" 的元素对象
        Elements elements2 = document.getElementsByAttributeValue("num", "001");
        System.out.println(elements2);
        System.out.println("-------------");

        // 2.3 获取id 属性的元素对象
        Element element3 = document.getElementById("1");
        System.out.println(element3);
    }
}

           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

student.xml

<?xml version="1.0" encoding="UTF-8" ?>

<students>
	<student number="heima_0001">
		<name id="itcast">
			<xing>张</xing>
			<ming>三</ming>
		</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	<student number="heima_0002">
		<name>jack</name>
		<age>18</age>
		<sex>female</sex>
	</student>

</students>

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

import java.io.File;
import java.io.IOException;

/*Element对象功能*/
public class JsoupDemo3 {
    public static void main(String[] args) throws IOException {
        // 解析xml,获取document对象
        String path = JsoupDemo3.class.getClassLoader().getResource("student.xml").getPath();
//        System.out.println(path);
        Document document= Jsoup.parse(new File(path),"utf-8");

        // 通过Document 对象获取所有的name 标签
        Elements elements = document.getElementsByTag("name");
        System.out.println(elements);
        System.out.println("-----------------");

        // 获取Element 对象下的子标签
        Element ele_student = document.getElementsByTag("student").get(0);
        Elements ele_name = ele_student.getElementsByTag("name");
        System.out.println(ele_name);
        System.out.println("-----------------");

        // 获取 ele_student 对象下的属性值
        String number = ele_student.attr("number");
        System.out.println(number);
        System.out.println("-----------------");

        // 获取文本内容
        String text = ele_name.text(); // 获取name 标签下所有的文本内容
        System.out.println(text);
        String html = ele_name.html();  // 带标签
        System.out.println(html);
    }
}

       * 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

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

import java.io.File;
import java.io.IOException;

public class SelectorDemo {
    public static void main(String[] args) throws IOException {
        // 解析xml ，获取document 对象
        String path = SelectorDemo.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");

        // 查询所有的name标签
        Elements elements  = document.select("name");
        System.out.println(elements);
        System.out.println("-----------------------------");

        // 查询id值为itcast 的元素
        Elements elements1 = document.select("#itcast");
        System.out.println(elements1);
        System.out.println("-----------------------------");

        // 获取student标签并且number属性为heima_0001的age子标签
        // _1. 获取student标签并且number属性为heima_0001
        Elements elements2  = document.select("student[number=\"heima_0001\"]");
        System.out.println(elements2);
        System.out.println("-----------------------------");
        // _2. 获取student标签并且number属性为heima_0001的age子标签
        Elements elements3 = document.select("student[number=\"heima_0001\"] > age");
        System.out.println(elements3);
    }
}

           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

import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
import cn.wanghaomiao.xpath.model.JXDocument;
import cn.wanghaomiao.xpath.model.JXNode;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

import java.io.File;
import java.io.IOException;
import java.util.List;

public class XpathDemo {
    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
        //1.获取student.xml的path
        String path = XpathDemo.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的语法查询
        // 4.1 查询所有的student
        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> jxNodes1 = jxDocument.selN("//student/name");
        for (JXNode jxNode: jxNodes1) {
            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> jxNodes2 = jxDocument.selN("//student/name[@id]");
        for (JXNode jxNode: jxNodes2) {
            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> jxNodes3 = jxDocument.selN("//student/name[@id='itcast']");
        for (JXNode jxNode : jxNodes3) {
            System.out.println(jxNode);
        }
    }
}