XML以及XPath的简单概括

XML

1. 概念

Extensible Markup Language 可扩展标记语言
ML结尾的一般都是标记语言，像HTML就是标记语言。
标记语言：标签所构成的语言。
可扩展：标签都是自定义的。

1. 功能
	1. 存储数据，配置文件
	2. 在网络中传输
2. 与HTML的区别
	1. xml标签都是自定义的，html标签是预定义的
	2. xml语法严格，html语法松散
	3. xml是存储数据，html是展示数据

• w3c：万维网联盟

2. 语法

• 基本语法：

  1. 第一行必须为文档声明
  2. 有且仅有一个根标签
  3. 属性值必须使用引号引起来
  4. 标签必须正确关闭
  5. xml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>nan</gender>
    </user>

    <user id = '2'>
	<name>lisi</name>
	<age>24</age>
	<gender>nv</gender>
    </user>

</users>

• 组成部分
  1. 文档声明
     • 格式：<?xml属性列表？>
     • 属性列表：
       • version：版本号
       • 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，是否依赖于其它文件
         • yes：不依赖
         • no：依赖
  2. 属性：
     3. id属性值唯一
  3. 文本：
     4. CDATA区：在该区域中的数据会按其原样显示
        • 格式：<![CDATA[这儿存放需要放入的数据]]>

约束：规定xml文档的书写规则

• 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文件的名字” “dtd问及那的位置URL”>

  • Scheme

    • 引入：
      • 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
      • 为每一个xsd约束声明一个前缀，作为标识

3. 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

  1. 解析(读取)
  2. 写入

• 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：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。读取一行释放一行
    • 优点：不占内存
    • 缺点：只能读取，不能修改

• xml常见解析器

  • JAXP：比较垃圾，没人用
  • DOM4J：一款非常优秀的解析器
  • Jsoup：解析html，与xml
  • PULL：Android操作系统内置解析器，sax方式。

Jsoup：

步骤：

1. 导入jar包
2. 获取Document对象
3. 获取对应标签Element对象
4. 获取数据

public static void main(String[] args) {
        //获取Document对象，根据xml文档获取
        //获取xml文件的路径
        String path = JsoupDemo1.class.getClassLoader().getResource("xml文档的名称").getPath();
        //解析xml文档，加载文档进内存，获取dom树对象-->Document
        try {
            Document document = Jsoup.parse(new File(path),"utf-8");
            //获取元素对象:Element
            Elements elements = document.getElementsByTag("name");
            System.out.println(elements.size());
            //获取第一个name的Element对象
            Element element = elements.get(0);
            //获取数据
            String name = element.text();
            System.out.println(name);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

对象的使用：

1. Jsoup:工具类

   • parse：解析html或xml文档，返回Document
     • parse(File in,String charsetName); 解析xml或html文件
     • parse(String html); 解析xml或html字符串，用的不多
     • parse(URL url, int timeoutMillis); 通过网络路径获取指定的html或xml文档对象
       • timeoutMillis是毫秒值，超时时间
       • URL url = new URL(“这儿存路径”);

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
     • getElementByAttribute(String key); 根据属性名称来获取元素对象集合
     • getElementByAttributeValue(String key , String value); 根据对应的属性名和属性值获取元素对象

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

   • 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
     • getElementByAttribute(String key); 根据属性名称来获取元素对象集合
     • getElementByAttributeValue(String key , String value); 根据对应的属性名和属性值获取元素对象

   • 获取属性值

     • String attr(String key); 根据属性名获取属性值

   • 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(包括子标签的字符串内容)
     • 注意：text与html的区别
       • text是获取子标签的所有纯文本的内容，不包含标签自身。
       • html是获取子标签的字符串形式，如果子标签中还有其他的标签，那么这个标签本身也会输出。

5. Node：节点对象

• 快捷查询方式：
  1. selector：选择器
     • 使用的方法：Elements select(String cssQuery)
     • 语法：参考Selector类中定义的语法
  2. XPath：Xpath为XML路径语言，它是一种用来确定XML文档中某部分位置的语言
     • 使用Jsoup的Xpath需要额外导入jar包
     • 查询w3cschool参考手册，使用xpath语法完成查询：http://www.w3s.com.cn/xpath/xpath_intro.asp

代码示例：

1. student.xml文件

   	<?xml version="1.0" encoding="UTF-8" ?>
   	
   	<students>
   	    <student number="zr_0001">
   	        <name id="zr">
   	            <xing>张</xing>
   	            <ming>三</ming>
   	        </name>
   	        <age>18</age>
   	        <sex>male</sex>
   	    </student>
   	    <student number="zr_0002">
   	        <name id = "itcast">lisi</name>
   	        <age>24</age>
   	        <sex>female</sex>
   	    </student>
   	
   	</students>
   

2. 利用xpath来获取某些标签

   	public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
   	        //获取student.xml的path
   	        String path = JsoupDemo2.class.getClassLoader().getResource("student.xml").getPath();
   	        //获取Document对象
   	        Document document = Jsoup.parse(new File(path),"UTF-8");
   	        //根据document对象，创建JXDocument对象
   	        JXDocument jxDocument = new JXDocument(document);
   	        //结合xpath语法查询
   	        //查询所有子元素标签
   	        List<JXNode> jxNodes = jxDocument.selN("//student");//  //表示选取所有的子元素，不考虑其在文档的位置
   	        for (JXNode jxNode : jxNodes) {
   	            System.out.println(jxNode);
   	        }
   	        System.out.println("-----------------------------------");
   	        //查询某个子元素下的某类标签,比如我们获取student下的name标签
   	        List<JXNode> jxNodes2 = jxDocument.selN("//student/name");//  //表示选取所有的子元素，不考虑其在文档的位置
   	        for (JXNode jxNode : jxNodes2) {
   	            System.out.println(jxNode);
   	        }
   	
   	
   	        System.out.println("---------------------------------");
   	        //查询student标签下带有id属性的name标签
   	        List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");//  //表示选取所有的子元素，不考虑其在文档的位置
   	        for (JXNode jxNode : jxNodes3) {
   	            System.out.println(jxNode);
   	        }
   	
   	
   	        System.out.println("----------------------------------");
   	        //查询student标签下带有id属性的name标签 并且id属性值为itcast
   	        List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");//  //表示选取所有的子元素，不考虑其在文档的位置
   	        for (JXNode jxNode : jxNodes4) {
   	            System.out.println(jxNode);
   	        }
   	    }