XML学习笔记

XML(可扩展标记语言)

---

1.概念 :

• Extensible Markup Language : 可扩展标记语言
  • 可扩展 : 标签都是自定义的. 可以自己设置标签名
• 功能 : 存储数据
  • 1.作为配置文件
  • 2.在网络中传输
• xml 和 html的区别
  • 早期只有html , 由于浏览器厂商之间的竞争 , 导致浏览器解析html的时候没有太大限制 , 基本上语法随便写就有浏览器能够解析 , 造成html的语法十分松散 , 没有限制
  • 后来W3C联盟 , 推出了xml , 一个语法非常严格的标记语言 , 最开始是和html进行竞争 , 但是因为html语法很松散 , 所以xml并没有对html造成太大压力
  • 再后来 , xml开始与properties配置文件 , 进行竞争 , 用来存放数据这些功能
• 总结 :
  • 1.xml标签都是自定义的 , html标签是预定义的
  • 2.xml语法十分严格 , html语法松散
  • 3.xml 是存储数据的 , html 是展示数据的

---

2.语法

(1)基本语法 :

• 1.XML的后缀名是 xml
• 2.XML的**第一行(空行了但是在文档中是第一行也不行)**必须定义为 文档声明 : <?xml version='1.0' ?>
• 3.XML文档中有且仅有一个根标签 (所有的标签都是这个标签的子标签)
• 4.属性值必须使用 " " 或 ’ ’ 引起来
• 5.标签必须要有结束标签 或者是一个自闭和的标签 : 如 :
  
• 6.XML标签的名称区分大小写

<?xml version='1.0' ?>
<!--版本-->
<users>
	<user id='1'>
		<name>zhangsan</name>
		<age>23</age>
		<genter>male</genter>
	</user>
	<user id='2'>
		<name>lisi</name>
		<age>24</age>
		<genter>male</genter>
	</user>
</users>

• 只要将xml文件拖到浏览器中 , 浏览器能够解析就是没有问题
• 

(2)组成部分 :

1.文档声明

• ①格式 : <?xml version='1.0' ?>
• 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
    • 默认值为 ISO-8859-1
    • 设置的值 必须要和文档中写的编码方式一致 , 不然就会报错
  • standalone : 是否独立
    • 默认 独立 : yes
    • yes : 独立 不依赖其他文件
    • no : 依赖于其他文件 (约束文件)

2.指令(了解)

• 结合css使用的

• <?xml-stylesheet type='text/css' href='a.css' ?>
  <!--引入css的样式 , href里边填写css文件的文件名-->
  

3.标签

• 标签的名称是自定义的
• 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)开始
  • 名称不能包含空格

4.属性

• id属性值唯一

5.文本

• 特殊字符 , 要使用转义字符来表示

• 不想要写转义字符的话 , 就要使用 CDATA区 来包裹

• <自定义>
          <![CDATA[
              if(a < b && a > c){}
          ]]>
  </自定义>
  

---

3.约束

• 谁编写xml —用户 , 软件使用者 (框架使用者 程序员)
• 谁解析xml —软件 (半成品软件 , 框架)
• 

约束 : 规定xml文件的书写规则 ,

• 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

(2)分类 :

①DTD : 一种简单的约束技术 (后缀为 .dtd)

• 引入DTD文档到xml文档中

  • 内部DTD , 将约束规则定义在xml文件中

    • <!DOCTYPE 根标签名 [
      	dtd的约束内容
      ]>
      

  • 外部DTD , 将约束的规则定义在外部的dtd文件中

    • 本地的 : 在xml文档的第二行 :

      • <!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">
        

    • 网络中的 :

      • <!DOCTYPE 根标签名 PUBLIC "dtd文件的名字" "dtd文件的位置">
        

    • 根标签就是dtd文件中定义的 (也就是xml的根标签名)

• 缺点 : 数据没有限制 , 能够随便书写

---

② Schema : 一种复杂的约束技术 (后缀为 .xsd)

• 相对于DTD , Schema做出了更加严格的约束技术 ,

• 严格规定了 数据的类型 , 数量 , 内容 等条件

• 引入 :

  • 1.填写xml文档的根元素

  • //1.引入xsi前缀
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    //2.引入xsd文件命名空间 (student.xsd前边的一串相当于起一个别名)
    xsi:schemaLocation="http://www.sichen.cn/xml student.xsd"
    //3.为每一个xsd约束声明一个前缀 , 作为标识 
    xmlns:(跟自己命名的标记 , 在以后使用的时候 , 使用那个约束 ,就可以直接使用  (命名的标记:) 来标记自己想要使用这个约束的标签 )="http://www.sichen.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

  • 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 : 操作比较方便 , 可以对文档进行CRUD所有操作
    • 缺点 : 这个树要比文档内存占用大概1000到10000倍之间 , 非常占用内存
  • 2.SAX : 逐行读取 , 基于事件驱动的
    • 读一行释放一行 , 这样内存中只有一行的内存 ,
    • 事件驱动 , 当读取到一个开始标签的时候 , 读取的标签种类不同 , 执行的事件方法不同
    • 优点 : 不占内存 : 适用于一些内存较小的地方
    • 缺点 : 只能读取 , 不能写入

---

4.xml常见的解析器

(1)常见解析器

(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 : 本来是用来解析html文档的 , 但是也用来解析xml

(4) PULL : Android 操作系统内置的解析器 , sax方式的

---

(2)Jsoup解析器 :

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

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;
import java.net.URISyntaxException;
/**
 * Jsoup快速入门
 */
public class JsoupDemo1 {
    public static void main(String[] args) throws IOException, URISyntaxException {
        //2.获取Document对象 , 根据文档获取对象
        //2.1 获取jsoup_demo1.xml文件的path
        String path = JsoupDemo1.class.getClassLoader().getResource("jsoupdemo1.xml").toURI().getPath();
        //2.2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");
        //3.获取元素对象 , Element对象
        Elements elements = document.getElementsByTag("name");
        //这里的elements可以当做一个list看待
        for (Element element : elements) {
            //获取每一个的文本数据 , 并打印
            System.out.println(element.text());
        }
    }
}

对象的使用 :

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

  • parse : 解析html文档或xml文档 , 返回一个Document对象 ,

  • 这个方法有很多重载方法

  • - parse(File in , String charsetName) : 解析xml或者html文件
    - parse(String html) : 解析xml或者html字符串的
    - parse(URL url , int timeoutMillis) : 通过网络路径指定的html或xml文档对象 , 访问路径加超时时间
    

    方法二 : 
    String str = "<?xml version=\"1.0\" encoding=\"utf-8\" ?>\n" +
                    "<users>\n" +
                    "    <user id=\"1\">\n" +
                    "        <name>思尘</name>\n" +
                    "        <age>23</age>\n" +
                    "        <genter>男</genter>\n" +
                    "    </user>\n" +
                    "</users>";
    Document document = Jsoup.parse(str);
    

    方法三 : 可以用来爬取网页数据
    URL url = new URL("https://baike.so.com/doc/6847312-7064737.html");
    Document document = Jsoup.parse(url , 3000);//3000是超时时间
    

• Document : 文档对象 , 代表内存中的dom树

  • 获取Element对象

    • - getElementById(String id) : 根据id获取元素对象
      - getElementsByTag(String tagName) : 根据标签名称获取元素对象集合
      - getElementsByAttribute(String key) : 根据属性名称来获取元素对象集合
      - getElementsByAttributeValue(String key , String value) : 根据对应的属性名和属性值来获取元素对象集合
      

• Elements : 元素 Element对象的集合 , 可以当做ArrayList来使用

• Element : 元素对象

  • 1.获取子元素对象

  • - getElementById(String id) : 根据id获取元素对象
    - getElementsByTag(String tagName) : 根据标签名称获取元素对象集合
    - getElementsByAttribute(String key) : 根据属性名称来获取元素对象集合
    - getElementsByAttributeValue(String key , String value) : 根据对应的属性名和属性值来获取元素对象集合
    

  • 2.获取属性值 :

    • String attr(String key) :根据属性名称获取属性值
    • 不区分大小写

  • 3.获取文本内容 :

    • String text() : 获取文本内容 (获取的是所有子标签的纯文本内容)
    • String html() : 获取标签体的所有内容 (包括子标签的字符串内容)

• Node : 节点对象

  • 是Document 和Element 的父类

---

快捷查询方式 :

多个标签嵌套的的时候 , 想要找到对应的标签是很麻烦的 ,

1.selector : 选择器

• 使用方法 : Elements select(String cssQuery)

  • 语法 : 和css的语法几乎没什么区别

    //查询所有name标签
    Elements name = document1.select("name");
    System.out.println(name);
    //查询 id值为2的元素
    Elements select = document1.select("#2");
    //查询user标签 , 并且id值等于2的 age 的内容
    Elements select1 = document1.select("user[id='2'] > age");
    

2.XPath : xml路径语言

专门用来确定XML(标准通用标记语言的子集)文档中某部分位置的语言 ,

• 注意 : 使用Jsoup的XPath需要额外的导jar包

• 查询w3school参考手册 , 使用XPath的语法完成查询

• <dependency>
          <groupId>cn.wanghaomiao</groupId>
          <artifactId>JsoupXpath</artifactId>
          <version>0.3.2</version>
  </dependency>
  

• 查询所有的指定的标签 , 不考虑它的位置

• //括号内的标签前加两个斜杠  //
  List<JXNode> jxNodes = jxDocument.selN("//genter");
  

• 查询所有student标签下的name标签

•  List<JXNode> jxNodes1 = jxDocument.selN("//user/name");
  

• 查询user标签下带有 id 属性的name标签

• List<JXNode> jxNodes = jxDocument.selN("//user/name[@id]");
  

• 查询user标签下带有 id 属性的name标签 , 且id属性值为2的标签

• List<JXNode> jxNodes = jxDocument.selN("//user/name[@id='2']");