目录
一、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
- 与html的区别
- xml的标签都是自定义的;html的标签是预定义的
- xml语法严格;html语法松散
- xml存储数据;html展示数据
二、语法
-
基本语法
- xml文档的后缀是.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
- 属性值必须使用引号引起来(单双引号都可以)
- 标签必须正确关闭
- xml标签名称区分大小写
-
组成部分
- 文档声明
- 格式:<?xml 属性列表 encoding="UTF-8" ?>
- 属性列表
- version 版本号。必须写的属性 <?xml version="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。<?xml version="1.0" encoding="UTF-8" ?>
- standalone 是否独立。standalone=“yes” 不依赖其他文件;standalone=“no” 依赖其他文件
- 指令(了解):结合css
- <?xml-stylesheet type="text/css" href="a.css" ?>
- 标签:标签名称自定义
- 命名规则
- 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
- 命名规则
- 属性
- id属性值唯一
- 属性值必须使用引号引起来(单双引号都可以)
- 文本内容
-
CDATA区:在该区域中的数据会被原样展示。
-
CDATA区格式:[![CDATA[数据]]
示例:if(a < b & a > c){}
我们也可以使用CDATA区实现上述文本的展示:
<![CDATA[ if(a < b && a > c){} ]]]>
-
约束:规定xml文档的书写规则
约束分类:
- DTD:一种简单的约束技术
如何把dtd文件导入到xml文档中
1️⃣内部dtd:将约束规则定义在xml文档中
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE students [
<!ELEMENT students (student*) >
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!ATTLIST student number ID #REQUIRED>
]>
2️⃣外部dtd:将约束规则定义在外部的dtd文件中
student.dtd文件:
<!ELEMENT students (student*) >
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!ATTLIST student number ID #REQUIRED>
另外,将dtd文件,导入xml文件中的方式分为两种:
本地导入:<!DOCTYPE 根标签名 SYSTEM "dtd文件的位置.dtd">
网络导入:<!DOCTYPE 根标签名 PUBLIC "dtd文件名" "dtd文件的url.dtd">
- Schema:一种复杂的约束技术
三、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)
- 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 思想(一般应用于服务端):将标记语言文档一次性加载进内存,在内存中会形成一棵dom树
- 优点:操作方便,可以对文档进行CRUD的所有操作
- 缺点:占大量内存
- SAX 思想(一般应用于移动端):逐行读取,基于事件驱动。
- 优点:读一行释放一行,不占内存
- 缺点:只能读取,不能增删改
- DOM 思想(一般应用于服务端):将标记语言文档一次性加载进内存,在内存中会形成一棵dom树
-
常见的xml解析器
- JAXP:Sun公司提供的解析器,支持dom和sax两种思想。
- DOM4J:一款非常优秀的解析器。
- 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。
- PULL:Android操作系统内置的解析器。sax方式。
-
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:
- 导入jar包
- 获取Document对象
- 获取对应的标签Element对象
- 获取数据
-
对象的使用:
- 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
- Document parse(File in, String charsetName) 解析html或xml文档
// 获取student.xml的path
String path = Demo2_Jsoup.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”);
System.out.println(document); - Document parse(String html) 解析html或xml字符串
String htmlStr = “<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n” +
“\n” +
" \n" +
" \t<student number=“stu_0001”>\n" +
" \t\ttom\n" +
" \t\t18\n" +
" \t\tmale\n" +
" \t\n" +
" ";
Document document = Jsoup.parse(htmlStr); - Document parse(URL url, int timeoutMillis) 通过网络路径获取指定的html或xml的文档
URL url = new URL(“https://baike.baidu.com/item/jsoup/9012509?fr=aladdin”);
Document document = Jsoup.parse(url, 3000);
System.out.println(document);
- Document parse(File in, String charsetName) 解析html或xml文档
- parse:解析html或xml文档,返回Document
- Document 文档对象。代表内存中的dom树
- 获取Element对象
- Elements getElementsByTag(String tagName) 根据标签名称获取元素对象的集合
- Elements getElementsByAttribute(String key) 根据属性名称获取元素对象集合
- 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。
- Element getElementById(String id) 根据id值获取元素对象
- 获取Element对象
- Elements 元素Element对象的集合。可以当做 ArrayList 来使用
- Element 元素对象
- 获取子元素对象
- Elements getElementsByTag(String tagName) 根据标签名称获取元素对象的集合
- Elements getElementsByAttribute(String key) 根据属性名称获取元素对象集合
- 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。
- Element getElementById(String id) 根据id值获取元素对象
- 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() 获取所有子标签的纯文本呢内容
- String html() 获取子标签及其内容
- 获取子元素对象
- Node 节点对象
- Document 和 Element 的父类
- Jsoup 工具类,可以解析html或xml文档,返回Document
-
快捷查询方式
- selector 选择器
- Elements select(String cssQuery)
- 语法:查看 Selector 选择器中定义的语法
- XPath:XPath即为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。
- 使用Jsoup的XPath需要额外导入jar包。
- 参考手册:http://www.w3school.com.cn/xpath/xpath_syntax.asp
- selector 选择器
-