文章目录
一、概念
- 概念:Extensible Markup Language 可扩展标记语言
- 可扩展:标签都是自定义的。如自定义
<user>
- 可扩展:标签都是自定义的。如自定义
- 功能
- 存储数据
- 配置文件
- 在网络中传输
- 存储数据
- 与HTML的区别
- XML标签都是自定义的,html标签是预定义的
- XML的语法严格,html语法松散
- XML是存储数据的,html是展示数据的
二、语法结构
2.1 基本语法
- xml文档的后缀
.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(单双都可以)引起来
- 标签必须正确关闭
- xml标签名称区分大小写
2.2 快速入门
<?xml version='1.0' encoding='GBK' standalone='yes' ?>
<users>
<user id='1'>
<name>zhangsan</name>
<age>23</age>
<gender>male</gender>
<br/>
</user>
<user id='2'>
<name>lisi</name>
<age>24</age>
<gender>female</gender>
</user>
</users>
2.3 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:ISO8859-1standalone
:是否独立- yes:不依赖其他文件
- no:依赖其他文件
- 格式:
- 指令(了解):结合CSS
<?xml-stylesheet type="text/css" href="a.css" ?>
- 标签:标签名称自定义的
- 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等等)开始
- 名称不能包含空格
- 规则:
- 属性
- id属性值唯一,与标签内容形成键值对
- 文本
- CDATA区:在该区域中的数据会被原样展示
<![CDATA[ if(a < b && a > c){};(你的数据) ]]>
- CDATA区:在该区域中的数据会被原样展示
2.4 约束
- 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
- 作为框架的使用者(程序员)
2.4.1 DTD(简单)
-
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">
<?xml version="1.0" encoding="UTF-8" ?> <--! 第一种声明方式 --> <!DOCTYPE students SYSTEM "student.dtd"> <--! 第二种声明方式,不常用 --> <--! #PCDATA是文本 --> <!DOCTYPE students [ <!ELEMENT students (student*) > <!ELEMENT student (name,age,sex)> <!ELEMENT name (#PCDATA)> <!ELEMENT age (#PCDATA)> <!ELEMENT sex (#PCDATA)> <!ATTLIST student number ID #REQUIRED> ]> <students> <student number="hdu001"> <name>ruki</name> <age>18</age> <sex>male</sex> </student> </students>
-
网络:
<!DOCTYPE 根标签名 PUBLIC "dtd文件的名字" "dtd文件的位置">
-
-
2.4.2 Schema(复杂)(会看即可)
<?xml version="1.0" encoding="UTF-8" ?>
<!--
1.填写xml文档的根元素
2.引入xsi前缀. xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
3.引入xsd文件命名空间. xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"
4.为每一个xsd约束声明一个前缀,作为标识 xmlns="http://www.itcast.cn/xml"
-->
<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns="http://www.itcast.cn/xml"
xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"
>
<student number="heima_0001">
<name>tom</name>
<age>18</age>
<sex>male</sex>
</student>
</students>
三、解析
- 操作xml文档,将文档中的数据读取到内存中
- 解析(读取):将文档汇总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。持久化存储。
3.1 解析xml的方式
- DOM:将标记语言文档**一次性**加载进内存,在内存中形成一棵dom数
- 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RUD
3.2 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: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。
3.3 jsoup快速入门
3.3.1 步骤
- 导入jar包
- 获取
docunment
对象 - 获取对应的标签
Element
对象 - 获取数据
package day07_XML;
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;
public class JsoupDemo01 {
public static void main(String[] args) throws IOException {
//2. 获取document对象,根据xml文档来获取
//2.1 获取student.xml的path
String path = JsoupDemo01.class.getClassLoader().getResource("student.xml").getFile();
//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
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
//3.1 获取第一个name的element对象
Element element = elements.get(0);
//3.2 获取数据 text()
String name = element.text();
System.out.println(name);
}
}
3.3.2 jsoup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字符串的。parse(URL url, int timeoutMillis)
:通过网络路径来获取指定的html和xml文档对象的。
-
Document
:文档对象。代表内存中的DOM树-
获取
Element
对象getElementById(String id)
:根据id称获取唯一的element
对象getElementByTag(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的对象集合
package day07_XML; 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.URL; public class JsoupDemo03 { public static void main(String[] args) throws IOException { //获取document对象,根据xml文档来获取 //1 获取student.xml的path String path = JsoupDemo03.class.getClassLoader().getResource("student.xml").getFile(); //2. 获取document对象 Document document = Jsoup.parse(new File(path), "utf-8"); //3. 获取元素对象 //3.1 获取所有student对象 Elements elements = document.getElementsByTag("student"); System.out.println(elements); System.out.println("------------"); //3.2 获取属性名为id的元素对象 Elements elements1 = document.getElementsByAttribute("id"); System.out.println(elements1); System.out.println("------------"); //3.3 获取number属性值为itcast_0001的元素对象 Elements elements2 = document.getElementsByAttributeValue("number", "itcast_0001"); System.out.println(elements2); //3.4 获取id属性值的元素对象 System.out.println("------------"); Element ruki = document.getElementById("ruki"); System.out.println(ruki); } }
-
-
Elements
:元素Element
对象的集合。可以当做ArrayList<Element>
来使用 -
Element
:元素对象- 获取子元素对象
getElementById(String id)
:根据id称获取唯一的element
对象getElementByTag(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的对象集合
- 获取属性值
public String attr(String attributKey)
:根据属性名称,获取属性值
- 获取文本
public String text()
:获取所有子标签的纯文本内容public 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)
- 获取子元素对象
-
Node
:节点对象- 是
Document
和Element
的父类
- 是
package day07_XML;
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;
public class JsoupDemo04 {
public static void main(String[] args) throws IOException {
//获取document对象,根据xml文档来获取
//1 获取student.xml的path
String path = JsoupDemo04.class.getClassLoader().getResource("student.xml").getFile();
//2. 获取document对象
Document document = Jsoup.parse(new File(path), "utf-8");
/*
1. 获取属性值
1. `public String attr(String attributKey)`:根据属性名称,获取属性值
2. 获取文本
1. `public String text()`:获取文本内容
2. `public String html()`:获取标签体的所有内容(包括子标签的字符串内容)
*/
//通过Document对象获取name标签,获取所有的name标签
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
System.out.println("------------");
//通过Element对象获取子标签
Element element_student = document.getElementsByTag("student").get(0);
Elements element_student_name = element_student.getElementsByTag("name");
System.out.println(element_student_name);
System.out.println("------------");
//获取student对象的属性值
String number = element_student.attr("number");
System.out.println(number);
System.out.println("------------");
//获取文本内容
String text = element_student_name.text();
String html = element_student_name.html();
System.out.println(text);
System.out.println(html);
}
}
3.3.3 快捷查询方式
-
selector
:选择器-
Elements select(String cssQuery)
- 语法:参考
selector
定义的语法
package day07_XML; 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; public class JsoupDemo05 { public static void main(String[] args) throws IOException { //获取document对象,根据xml文档来获取 //1 获取student.xml的path String path = JsoupDemo05.class.getClassLoader().getResource("student.xml").getFile(); //2. 获取document对象 Document document = Jsoup.parse(new File(path), "utf-8"); //3. 查询name标签 Elements elements = document.select("name"); System.out.println(elements); System.out.println("--------"); //4. 查询id值为ruki的元素 Elements elements1 = document.select("#ruki"); System.out.println(elements1); System.out.println("--------"); //5.1 获取student标签并且属性值为itcast_0001 Elements elements2 = document.select("student[number='itcast_0001']"); System.out.println(elements2); //5.2 获取student标签,并且number属性值为itcast_0001的age子标签 System.out.println("--------"); Elements elements3 = document.select("student[number='itcast_0001'] > age"); System.out.println(elements3); // System.out.println("--------"); } }
- 语法:参考
-
-
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需要额外导入一个jar包
- 查询w3cschool参考手册,使用xpath的语法完成查询