-
1.概念:可扩展标记语言
*可扩展:标签都是自定义的 *功能 *存储数据 1.配置文件 2.在网络中传输 *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 *w3c:万维网联盟
-
2.语法:
*基本语法: 1.xml文档后缀 .xml 2.xml第一行必须定义为文档声明 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 *快速入门
<?xml version = '1.0'?>
<users>
<user id = '1'>
<name>zhangsan</name>
<age>12</age>
<gender>female</gender>
<br/>
</user>
<user id = '2'>
<name>lisi</name>
<age>13</age>
<gender>male</gender>
<br/>
</user>
</users>
*组成部分:
1.文档声明
1.格式:<?xml 属性列表?>
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:ISO-8859-1
standalone:是否独立
取值:
yes:不依赖其他文件
no:依赖其他文件
2.指令:结合CSS的
<?xml-stylesheet type="text/css" href="a.css"?>
3.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)开始
*名称不能包含空格
4.属性:
id属性值唯一
5.文本:
CDATA区:在该区域中的数据会被原样展示
*格式:<![CDATA[数据]]>
*约束:
规定xml文档的书写规则
*作为框架的使用者:
1.能够在xml中引入约束文档
2.能够简单地读懂约束文档
*分类:
1.DTD:一种简单的约束技术
2.Scheam: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文件名字" "dtd文件的位置URL">
*Scheam:
*引入:
1.填写xml文档的根目录
2.引入xsi前缀。 xmlns:xsi="http://www.w3.org/2001/XMLScheam-instance"
3.引入xsd文件命名空间. xsi:scheamLocation="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="www.itcast.cn/xml"
<student xmlns:xsi="http://www.w3.org/2001/XMLScheam-instance">
xmlns="www.itcast.cn/xml"
xsi:scheamLocation="http://www.itcast.cn/xml" student.xsd>
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):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
*xml常见的解析器:
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:jsoup是一款java的HTML解析器,可直接解析某个UML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
4.PULL:Android操作系统内置的解析器,sax方式的
*Jsoup:jsoup是一款java的HTML解析器,可直接解析某个UML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
*快速入门:
*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;
public class JsoupTest {
public static void main(String[] args) throws IOException {
//2.获取Document对象,根据xml文档获取
//2.1获取student.xml的path
String path = JsoupTest.class.getClassLoader().getResource("student.xml").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
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
String name = element.text();
System.out.println(name);
}
}
*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
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.URL;
public class JsoupTest1 {
public static void main(String[] args) throws IOException {
//2.获取Document对象,根据xml文档获取
//2.1获取student.xml的path
String path = JsoupTest1.class.getClassLoader().getResource("student.xml").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");
//System.out.println(document);
//2.parse(String html):解析xml或html字符串
/*String str="<?xml version='1.0' encoding=\"utf-8\"?>\n" +
"<!DOCTYPE students SYSTEM \"student.dtd\">\n" +
"<students>\n" +
" <student number=\"itcast_001\">\n" +
" <name>tom</name>\n" +
" <age>18</age>\n" +
" <sex>male</sex>\n" +
" </student>\n" +
" <student number=\"itcast_002\">\n" +
" <name>zhangsan</name>\n" +
" <age>14</age>\n" +
" <sex>female</sex>\n" +
" </student>\n" +
"</students>";
Document document = Jsoup.parse(str);
System.out.println(document);*/
//3.parse(URL url,int timeoutMillis):通过网络路径获取指定的html或xml的文档对象
URL url = new URL("https://www.cnki.net/");
Document document = Jsoup.parse(url, 10000);
System.out.println(document);
}
}
3.Elements:元素Element对象的集合。可以当做ArrayList<Element>来使用
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;
public class JsoupTest2 {
public static void main(String[] args) throws IOException {
//2.获取Document对象,根据xml文档获取
//2.1获取student.xml的path
String path = JsoupTest2.class.getClassLoader().getResource("student.xml").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
//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
Elements elements1 = document.getElementsByAttribute("id");
System.out.println(elements1);
System.out.println("------------------------");
//3.2获取number属性值为itcast_002的元素对象
Elements elements2 = document.getElementsByAttributeValue("number", "itcast_002");
System.out.println(elements2);
System.out.println("------------------------");
//3.3获取id属性值的元素对象
Element itcast = document.getElementById("001");
System.out.println(itcast);
}
}
4.Element:元素对象
1.获取子元素对象
*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
2.获取属性值
*String attr(String key):根据属性名称获取属性值
3.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(包括字标签的字符串内容)
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;
public class JsoupTest3 {
public static void main(String[] args) throws IOException {
//2.获取Document对象,根据xml文档获取
//2.1获取student.xml的path
String path = JsoupTest3.class.getClassLoader().getResource("student.xml").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");
//通过Document对象获取name标签,获取所有的name标签,可以获取两个
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
System.out.println("-------------------------");
//通过Element对象获取子标签对象
Element element_student = document.getElementsByTag("student").get(1);
Elements ele_name = element_student.getElementsByTag("name");
System.out.println(ele_name.size());
//获取student对象的属性值
String number = element_student.attr("number");
System.out.println(number);
//获取文本内容
String text = ele_name.text();
String html = ele_name.html();
System.out.println(text);
System.out.println(html);
}
}
5.Node:节点对象
*是Document和Element的父类
*快捷查询方式
1.selector:选择器
*使用方法:Elements select(String cssQuery)
*语法:参考Selector类中定义的语法
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;
public class JsoupTest4 {
public static void main(String[] args) throws IOException {
//2.获取Document对象,根据xml文档获取
//2.1获取student.xml的path
String path = JsoupTest4.class.getClassLoader().getResource("student.xml").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.查询name标签
Elements elements = document.select("name");
System.out.println(elements);
System.out.println("--------------------------");
//4.查询id值为itcast的元素
Elements elements1 = document.select("#001");
System.out.println(elements1);
System.out.println("--------------------------");
//5.获取student标签并且number属性值为itcast_001的age子标签
//5.1 获取student标签并且number属性值为itcast_001
Elements elements2 = document.select("student[number='itcast_001']");
System.out.println(elements2);
System.out.println("--------------------------");
//5.2 获取student标签并且number属性值为itcast_001的age子标签
Elements elements3 = document.select("student[number='itcast_001']>age");
System.out.println(elements3);
System.out.println("--------------------------");
}
}
2.XPath:XPath即为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的语法完成查询