xml文档概念、Jsoup读取xml文档小结

• xml与html的区别

  1. xml标签都是自定义的，html标签是预定义。
  2. xml的语法严格，html语法松散
  3. xml是存储数据的，html是展示数据

• 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<?xml version = '1.0'?>
  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

• 操作xml文档

  1. 解析(读取)：将文档中的数据读取到内存中
  2. 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：操作方便，可以对文档进行CRUD的所有操作
       • 缺点：占内存
    2. 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

jsoup

• 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来使用
  4. Element：元素对象
  5. 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
  6. 获取属性值
     • String attr(String key)：根据属性名称获取属性值
  7. 获取文本内容
     • String text():获取子标签的纯文本内容
     • String html():获取子标签的所有内容(包括子标签的标签和文本内容)
  8. 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：参考Selector类中定义的语法