概念
- XML( Extensible Markup Language),即 可扩展标记语言,标准通用标记语言的子集,是一种用于标记电子文件使其具有结构性的标记语言。
- 可扩展语言的精华在于其"Extensible",即 在XML中的标签都是自定义的。
功能
存储数据
- 配置文件
- 在网络中传输
xml与html的区别
- HTML
- 标签预定义;
- 语法松散;
- 功能为展示数据。
- XML
- 标签自定义;
- 语法严格;
- 功能为存储数据。
语法
基本语法
- 后缀名 .xml
- 文档声明 必须在第一行
- 根标签 有且仅有一个
- 属性值 必须使用引号(单双都可)引起来
- 标签 必须正确关闭
- 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
文档声明
格式
<?xml 属性列表 ?>
属性列表
- version:版本号(必须的属性)
- 一般值:1.0
- 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 (不支持中文)
- standalone:是否独立
- yes:不依赖其他文件
- no:依赖其他文件
- yes:不依赖其他文件
指令(结合css)
<?xml-stylesheet type=“text/css” href=“a.css” ?>
标签(自定义)
- 定义规则:
- 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
属性
属性值唯一
文本
- CDATA区(原样展示数据)
- 格式: <![CDATA[ 数据 ]]>
约束
约束规定了ml文档的书写规则。
DTD约束技术
DTD是一种简单的约束技术。我们可以通过dtd文件控制标签和标签的属性,但是对于标签内容的控制我们无能为力。而schema约束技术恰巧弥补了这一缺陷,关于schema约束技术在下一节会详细展开。
外部dtd引入
- 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”>
外部dtd:dtd文件
<!-- ELEMENT元素(定义标签)-->
<!-- students标签 (包含student标签 0个或者多个) -->
<!ELEMENT students (student*) >
<!-- student标签 (包含name标,age标签,sex标签 只能有一个) -->
<!ELEMENT student (name,age,sex)>
<!-- name标签 (字符串)-->
<!ELEMENT name (#PCDATA)>
<!-- age标签 (字符串)-->
<!ELEMENT age (#PCDATA)>
<!-- sex标签 (字符串)-->
<!ELEMENT sex (#PCDATA)>
<!-- ATTLIST元素(定义属性)-->
<!-- student标签 number属性 属性类型为ID #并且必需出现 -->
<!ATTLIST student number ID #REQUIRED>
外部dtd:xml文件
<?xml version="1.0" encoding="UTF-8" ?>
<!-- 内部引入DTD文档 -->
<!DOCTYPE students SYSTEM "student.dtd">
<students>
<student number="cat">
<name>tom</name>
<age>18</age>
<sex>male</sex>
</student>
</students>
内部dtd 引入
- 将约束规则定义在xml文件中
内部dtd:xml文件
<?xml version="1.0" encoding="UTF-8" ?>
<!-- 引入DTD文档 -->
<!DOCTYPE students [
<!ELEMENT students (student*) >
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!ATTLIST student number ID #REQUIRED>
]>
<students>
<student number="cat">
<name>tom</name>
<age>18</age>
<sex>male</sex>
</student>
</students>
Schema约束技术
Schema是一种复杂的约束技术。它本身是一个xml文档,但文件后缀名以.xsd结尾。
引入实例
schema文件
<?xml version="1.0"?>
<xsd:schema xmlns="http://www.itcast.cn/xml"
xmlns:xsd="http://www.w3.org/2001/XMLSchema"
targetNamespace="http://www.itcast.cn/xml" elementFormDefault="qualified">
<!-- element元素 {自定义标签(1):students 自定义类型(1):studentsType} -->
<xsd:element name="students" type="studentsType"/>
<!-- complexType元素 {自定义类型(1):studentsType} -->
<!-- sequence元素(按顺序) -->
<!-- element元素 {自定义标签(1-1):student 自定义类型(1-1):studentType 最少出现:0次 最多出现:无限制} -->
<xsd:complexType name="studentsType">
<xsd:sequence>
<xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>
</xsd:sequence>
</xsd:complexType>
<!-- complexType元素 {自定义类型(1-1):studentType} -->
<!-- element元素 {自定义标签(1-1-1):name 基本类型:xsd:string} -->
<!-- element元素 {自定义标签(1-1-2):age 自定义类型(1-1-2):ageType} -->
<!-- element元素 {自定义标签(1-1-3):sex 自定义类型(1-1-3):sexType} -->
<!-- attribute元素 {定义属性:number 自定义类型(1-1-4):numberType #必需} -->
<xsd:complexType name="studentType">
<xsd:sequence>
<xsd:element name="name" type="xsd:string"/>
<xsd:element name="age" type="ageType" />
<xsd:element name="sex" type="sexType" />
</xsd:sequence>
<xsd:attribute name="number" type="numberType" use="required"/>
</xsd:complexType>
<!-- simpleType元素 {自定义类型(1-1-2):sexType } -->
<!-- 基本类型:string -->
<!-- 可选值:male -->
<!-- 可选值:female -->
<xsd:simpleType name="sexType">
<xsd:restriction base="xsd:string">
<xsd:enumeration value="male"/>
<xsd:enumeration value="female"/>
</xsd:restriction>
</xsd:simpleType>
<!-- simpleType元素 {自定义类型(1-1-3):ageType} -->
<!-- 基本类型:integer -->
<!-- 最小值:0 -->
<!-- 最大值:256 -->
<xsd:simpleType name="ageType">
<xsd:restriction base="xsd:integer">
<xsd:minInclusive value="0"/>
<xsd:maxInclusive value="256"/>
</xsd:restriction>
</xsd:simpleType>
<!-- simpleType元素 {自定义类型(1-1-4):numberType} -->
<!-- 基本类型:string -->
<!-- 格式化:Cat_后跟四个数字 -->
<xsd:simpleType name="numberType">
<xsd:restriction base="xsd:string">
<xsd:pattern value="Cat_\d{4}"/>
</xsd:restriction>
</xsd:simpleType>
</xsd:schema>
xml文件
- 填写xml文档的根元素
- 引入xsi前缀. xmlns:xsi=“http://www.w3.org/2001/XMLSchema-instance”
- 引入xsd文件命名空间. xsi:schemaLocation=“http://www.itcast.cn/xml student.xsd”
- 为每一个xsd约束声明一个前缀,作为标识 xmlns:xxx=“http://www.itcast.cn/xml”
- 不写为默认前缀 xmlns=“http://www.itcast.cn/xml”
<?xml version="1.0" encoding="UTF-8" ?>
<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"
xmlns="http://www.itcast.cn/xml"
>
<student number="Cat_0001">
<name>tom</name>
<age>18</age>
<sex>male</sex>
</student>
</students>
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
- 解析(读取):将文档中的数据读取到内存中。
- 写入:将内存中的数据保存到xml文档中。
解析xml文档
DOM
- 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,能对文档进行CRUD的所有操作。
- 缺点:因为形成了DOM树,所以DOM比较占内存,不适用于内存较小的设备。
SAX
- SAX:基于事件驱动,逐行读取,读取一行释放一行。
- 优点:不占内存,适用于内存较小的设备。
- 缺点:只能读取,不能增删改。
xml常见的解析器
- JAXP:sun公司提供的解析器,支持dom和sax两种思想。但是性能低,基本没有人使用。
- DOM4J:一款非常优秀的解析器。
- PULL:Android操作系统内置的解析器,支持sax思想。
- 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。
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。
步骤
- 导入jar包
- 获取Document对象
- 获取对应的标签Element对象
- 获取数据
快速入门
// 1.导入jar包
// 2.根据xml文件,获取Document对象
// * 获取 DTD约束的student.xml文件路径
// * 解析 xml文档,获取DOM树(Document对象),抛出异常
/* 通过本类的字节码文件,找到类加载器;再通过类加载器,找到文件路径;最后得到文件路径的字符串形式 */
String path = A_Jsoup.class.getClassLoader().getResource("DTD/student.xml").getPath();
Document ducument = Jsoup.parse(new File(path),"utf-8");
// 3.获取Element元素对象 name
Elements names = ducument.getElementsByTag("name");
// 输出所有name元素
System.out.println(names);
// 输出第一个name元素
Element name1 = names.get(0);
String nameStr1 = name1.text();
System.out.println(nameStr1);
对象
Jsoup工具类
- 获取Document对象
- parse(File in, String charsetName):解析xml、html文件
- parse(String html):解析xml、html字符串
- parse(URL url, int timeoutMillis):通过网络路径获取指定的html、xml的文档对象
Java文件:解析html文件
/* 解析xml、html文件 */
String path = A_Jsoup.class.getClassLoader().getResource("Jsoup/test.html").getPath();
Document document = Jsoup.parse(new File(path),"utf-8");
System.out.println(document);
/* 解析xml、html字符串 */
Document document2 = Jsoup.parse("<!DOCTYPE html>\n" +
"<html lang=\"en\">\n" +
"<head>\n" +
" <meta charset=\"UTF-8\">\n" +
" <title>Title</title>\n" +
"</head>\n" +
"<body>\n" +
"</body>\n" +
"</html>");
System.out.println(document2);
/* 通过网络路径获取指定的html、xml的文档对象 */
URL url = new URL("https://www.baidu.com/");
Document document3 = Jsoup.parse( url, 3000);
System.out.println(document3);
Document文档对象
- 获取Element对象(任意)
- 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
html文件
<body>
<div id="div1">
<div class="div2" align="left"></div>
<div class="div2" align="center"></div>
<div class="div2" align="right"></div>
</div>
Java文件:解析html文件
String path = A_Jsoup.class.getClassLoader().getResource("Jsoup/C_test.html").getPath();
Document document = Jsoup.parse(new File(path),"utf-8");
/*根据id属性值,获取唯一的element对象*/
Element id = document.getElementById("div1");
System.out.println(id);
/*根据标签名称,获取元素对象集合*/
Elements tag = document.getElementsByTag("div");
System.out.println(tag);
/*根据属性名称,获取元素对象集合*/
Elements attribute = document.getElementsByAttribute("align");
System.out.println(attribute);
/*根据对应的属性名和属性值,获取元素对象集合*/
Elements attributeValue = document.getElementsByAttributeValue("align", "center");
System.out.println(attributeValue);
Elements集合
Elements是元素Element对象的集合,相当于一个 ArrayList<Element>。
Element:元素对象
- 获取Element对象(当前元素的子标签)
- 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
- 获取属性值
- String attr(String key):根据属性名称获取属性值
- 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)
html文件
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Title</title>
</head>
<body>
<div id="attributeValue">
<span>文本内容</span>
</div>
</body>
</html>
java文件
//获取 文件路径
String path = D_Element.class.getClassLoader().getResource("Jsoup/D_test.html").getPath();
//获取 Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//获取 Elements对象
Elements tags = document.getElementsByTag("div");
//获取 Element对象
Element div = tags.get(0);
/* 根据属性名称获取属性值 */
String att = div.attr("id");
System.out.println(att);
/* 根据属性名称获取属性值 */
String text = div.text();
System.out.println(text);
/* 获取标签体的所有内容(包括字标签的字符串内容) */
String html = div.html();
System.out.println(html);
Node:节点对象
- Node是Document和Element的父类。
查询
快捷查询方式:
- selector:选择器
- XPath: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。
selector
- 方法:Elements select(String cssQuery)
- 语法:参考Selector类中定义的语法
html文件
<div>
<div id="div">
<div class="div"></div>
<div></div>
</div>
</div>
java文件
// 获取 文件路径
String path = D_Element.class.getClassLoader().getResource("Jsoup/E_test.html").getPath();
// 获取 Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
/* 选择所有div标签 */
Elements selector1 = document.select("div");
for (Element element : selector1) {
System.out.println(element);
System.out.println();
}
System.out.println("------------------");
/* 选择所有id属性值为div的标签*/
Elements selector3 = document.select("#div");
for (Element element : selector3) {
System.out.println(element);
System.out.println();
}
System.out.println("------------------");
/* 选择所有class属性值为div的标签*/
Elements selector2 = document.select(".div");
for (Element element : selector2) {
System.out.println(element);
System.out.println();
}
System.out.println("------------------");
/* 选择 父标签为div,且父标签id属性为div,的div子标签 */
Elements elements = document.select("div[id='div'] > div");
for (Element element : elements) {
System.out.println(element);
System.out.println();
}
XPath
- 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
- 注意:在填写xpath时,引号内不允许有空格。
java文件
// 获取 文件路径
String path = D_Element.class.getClassLoader().getResource("Jsoup/E_test.html").getPath();
// 获取 Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
// 获取 JXDocument对象
JXDocument jxDocument = new JXDocument(document);
/* 选择所有div标签 */
List<JXNode> jxNodes = jxDocument.selN("//div");
for (JXNode jxNode : jxNodes) {
System.out.println(jxNode);
System.out.println();
}
System.out.println("------------------");
/* 选择所有id属性值为div的div标签 */
List<JXNode> jxNodes2 = jxDocument.selN("//div[@id='div']");
for (JXNode jxNode : jxNodes2) {
System.out.println(jxNode);
System.out.println();
}
System.out.println("------------------");
/* 选择id属性值的所有值*/
List<JXNode> jxNodes3 = jxDocument.selN("//@id");
for (JXNode jxNode : jxNodes3) {
System.out.println(jxNode);
System.out.println();
}
System.out.println("------------------");
/* 选择所有div标签下的div标签 */
List<JXNode> jxNodes4 = jxDocument.selN("//div/div");
for (JXNode jxNode : jxNodes4) {
System.out.println(jxNode);
System.out.println();
}
System.out.println("------------------");
/* 选择所有div标签下的所有带class属性的div标签 */
List<JXNode> jxNodes5 = jxDocument.selN("//div/div[@class]");
for (JXNode jxNode : jxNodes5) {
System.out.println(jxNode);
System.out.println();
}
System.out.println("------------------");
/* 选择 父标签为div,且父标签id属性为div,的div子标签 */
List<JXNode> jxNodes6 = jxDocument.selN("//div[@id=div]/div");
for (JXNode jxNode : jxNodes6) {
System.out.println(jxNode);
System.out.println();
}
System.out.println("------------------");