学习笔记【JavaWeb-第六节：XML初步认识 与 Jsoup简单入门】

XML

概念

Extensible Markup Language 可扩展标记语言

可扩展：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

• xml的标签都是自定义的，html的标签都是预定义的
• xml的语法严格，html的语法松散
• xml是存储数据的，html是展示数据的

---

语法

基本语法

• xml文档的后缀名.xml
• xml第一行必须定义为文档声明
• xml文档中，有且仅有一个根标签
• 属性值必须用引号引起来
• 标签要正确关闭
• xml标签名称区分大小写

快速入门

<? xml version='1.0' ?>

<users>
	<user>
		<name>zhangsan</name>
		<age>18</age>
		<gender>male</gender>
	</user>
	
	<user>
		<name>lisi</name>
		<age>18</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（必须属性）
• encoding：编码方式。告知解析引擎当前文档使用的编码方式，默认值：ISO-8859-1
• standalone：是否独立.yes or no。yes：不依赖其他文件；no：依赖其他文件

指令（了解）

结合css使用
如：

<?xml-stylesheet type="text/css" href="a.css" ?>

标签

标签为自定义的

规则：

• 名称可以包含字母、数字以及其他的符号
• 名称不可以用数字或标点开头
• 名称不能以字母xml（或者XML、Xml）开头
• 名称不能含有空格

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]]>

w3c：万维网联盟

---

约束

规定xml文档的书写规则

作为框架的使用者（程序员）：

• 能够在xml中引入约束文档
• 能够简单的读懂约束文档

分类：

• DTD：一种简单的约束技术
• 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：

• 填写xml文档的根元素
• 引入xsi前缀。 xmlns:xsi=“http://www.w3.org/2001/XML Schema-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=“http://www.itcast.cn/xml”

---

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到内存，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

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
• DOM4J：非常优秀的解析器
• 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。
• PULL：Android操作系统内置的解析器，sax方式的。

---

Jsoup

快速入门：

步骤：

• 导入jar包
• 获取Document对象
• 获取对应标签Element对象
• 获取数据

//获取student.xml的路径
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
//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");
//获取元素对象 Element
Elements names = document.getElementsByTag("name");
//获取数据
System.out.println(names.get(0).text());

对象的使用

Jsoup：
工具类，可以解析html或xml的文档，返回Document对象

• Document parse​(File in, String charsetName) 将文件的内容解析为HTML。
• Document parse​(String html) 将HTML解析为文档。
• Document parse​(URL url, int timeoutMillis) 获取一个URL，并将其解析为HTML。

Document：
文档对象，代表内存中的dom树
获取Element对象：

• Elements getElementsByTag​(String tagName) 使用标签名称获取元素对象集合。
• Elements getElementsByAttribute​(String key) 根据属性名获取元素对象集合
• Elements 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

Elements：
元素Element对象的集合。可以当作一个ArrayList<Element>来使用

Element：
元素对象

获取属性值：

• String attr​(String attributeKey) 根据属性名称获取属性值。

获取文本内容

• String text() 获取子标签的纯文本内容
• String html() 获取标签体的所有内容（包括子标签的标签和文本内容）

Node：
节点对象。是Document和Element 的父类

快捷查询方式

1.selector 选择器
使用的方法：Elements select(String cssQuery)

语法可参考Selector类中定义的语法

String path = JsoupDemo4.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
System.out.println(document.select("student[number='s001']>age").text());

2.XPath
XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。

步骤：

• 额外导入jar包
• 查询w3c手册的xpath语法

String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
//创建XPath的JXDocument对象
JXDocument jxDocument=new JXDocument(document);
//结合XPath语法查询
List<JXNode> students = jxDocument.selN("//student");

List<JXNode> names = jxDocument.selN("//student/name[@id='1']");
for (JXNode name:names){
   System.out.println(name);
}