XML知识总结
一、XML简介
-
概念
Extensible Markup Language 可扩展标记语言 -
什么是XML?
XML是可扩展的标记语言,类似于html,其设计宗旨是传输数据,
而非显示数据。xml标签没有被预定义,需要自行定义标签。
XML被设计为具有自我描述性,是W3C的推荐标准。 -
XML的作用
用来保存数据,而且这些数据具有自我描述性
它还可以做为项目或者模块的配置文件
还可以做为网络传输数据的格式(现在JSON为主)。 -
XML和html的区别
xml标签都是自定义的,html标签是预定义。 xml的语法严格,html语法松散 xml是存储数据的,html是展示数据
二、XML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
示例:
<?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>
文档声明
-
格式:xml声明
<?xml version="1.0" encoding="utf-8" ?>
-
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
-
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
-
属性:
id属性值唯一 -
文本:
CDATA区:在该区域中的数据会被原样展示 格式: <![CDATA[ 数据 ]]>
-
在浏览器可以查看到xml文档(如果语法正确则会显示正常)
XML注释
<!--xml注释-->
元素
从上图可以看出
XML元素是从(且包括 )开始标签直到(且包括)结束标签的部分
元素可包含其他元素,文本或者两者的混合物.元素也可以拥有属性
2.XML命名规则
XML元素必须遵循以下命名规则:
2.1.名称可以含字母、数字以及其他的字符
例如
<bookid="SN213412341"><!--描述一本书-->
<author>班导</author><!--描述书的作者信息-->
<name>java编程思想</name><!--书名-->
<price>9.9</price><!--价格-->
</book>
2.2.名称不能以数字或者标点符号开始
2.3.名称不能以字符“xml”(或者XML、Xml)开始
2.4.名称不能包含空格
3.xml中的元素(标签)也分成单标签和双标签:
单标签格式:
<标签名属性=”值”属性=”值”....../>
双标签格式:
<标签名属性=”值”属性=”值”......>文本数据或子标签</标签名>
xml属性
xml的标签属性和html的标签属性是非常类似的,属性可以提供元素的额外信息
在标签上可以书写属性:
一个标签上可以书写多个属性。每个属性的值必须使用引号引起来。
属性必须使用引号引起来
语法规则
所有XML元素都须有关闭标签(也就是闭合)
XML标签对大小写敏感
XML文档必须有根元素
根元素就是顶级元素,没有父标签的元素,叫顶级元素。
根元素是没有父标签的顶级元素,而且是唯一一个才行。
文本区域(CDATA区)
CDATA语法可以告诉xml解析器,我CDATA里的文本内容,只是纯文本,不需要xml语法解析
CDATA格式:
<![CDATA[这里可以把你输入的字符原样显示,不会解析xml]]>
三.xml解析
- 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。持久化的存储
-
解析xml的方式:
- 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
- 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
- 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
-
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。
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
-
导入Jsoup包
获取Document对象的两种方式:
- 根据xml文档获取
//获取Document对象,根据xml文档获取
String path = JsoupTest.class.getClassLoader().getResource("./Student.xml").getPath();
//解析xml文档
Document document= Jsoup.parse(new File(path),"utf-8");
- 通过解析str中的xml获取
String str="<?xml version=\"1.0\" encoding=\"utf-8\" ?>\n" +
"<students>\n" +
" <student number=\"001\">\n" +
" <name>张三</name>\n" +
" <age>23</age>\n" +
" <sex>male</sex>\n" +
" </student>\n" +
" <student number=\"002\">\n" +
" <name>李四</name>\n" +
" <age>23</age>\n" +
" <sex>female</sex>\n" +
" </student>\n" +
"</students>";
Document document = Jsoup.parse(str);
- 解析示例
public class JsoupTest {
@Test
public void test() throws IOException {
//获取Document对象,根据xml文档获取
// String path = JsoupTest.class.getClassLoader().getResource("./Student.xml").getPath();
//解析xml文档
// Document document= Jsoup.parse(new File(path),"utf-8");
//获取元素对象Element
String str="<?xml version=\"1.0\" encoding=\"utf-8\" ?>\n" +
"<students>\n" +
" <student number=\"001\">\n" +
" <name>张三</name>\n" +
" <age>23</age>\n" +
" <sex>male</sex>\n" +
" </student>\n" +
" <student number=\"002\">\n" +
" <name>李四</name>\n" +
" <age>23</age>\n" +
" <sex>female</sex>\n" +
" </student>\n" +
"</students>";
Document document = Jsoup.parse(str);
Elements name = document.getElementsByTag("name");
//Elements继承了ArrayList
//获取第一个name的element对象
Element element = name.get(0);
//获取第二个name的element对象
Element element1 = name.get(1);
//获取数据
System.out.println(element.text());
System.out.println(element1.text());
}
}
XML文件
输出
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