用于存数数据的可扩展标记语言:XML

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

  1. 配置文件
  2. 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

  1. 后缀名 .xml
  2. 文档声明 必须在第一行
  3. 根标签 有且仅有一个
  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. 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

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

  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

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("------------------");

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值