JavaWeb基础学习笔记8——XML

目录

1、XML概念

2、XML语法

2.1、基本语法

2.2、组成部分

2.2.1、文档声明

2.2.2、指令（了解）

2.2.3、标签

2.2.4、属性

2.2.5、文本

2.2.6、约束

3、解析XML

3、Jsoup的使用

3.1、Jsoup快速入门

3.2、Jsoup常见对象

3.2.1、Jsoup对象

3.2.2、Document对象

3.2.3、Elements对象

3.2.4、Element对象

3.2.5、Node对象

3.3、快捷查询方式

3.3.1、selector：选择器

3.3.2、XPath：XML路径语言

---

1、XML概念

XML（Extensible Markup Language，可扩展标记语言）。

可扩展：标签都是自定义的。如：<user>、<student>

xml功能：存储数据，① 作为配置文件；② 在网络中传输

xml与html的区别：

• xml的标签都是自定义的，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。

2、XML语法

2.1、基本语法

• xml文档的后缀名：.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）引起来。
• 标签必须正确关闭。
• xml标签名称区分大小写。

2.2、组成部分

2.2.1、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，默认值：ISO-8859-1。
    standalone：是否独立，取值有① yes：不依赖其它文件；② no：依赖其它文件。

如：
<?xml version="1.0" encoding="ISO-8859-1"?>

2.2.2、指令（了解）

指令：结合css来控制标签样式。

<?xml-stylesheet type="text/css" href="a.css" ?>

2.2.3、标签

标签名称自定义，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。

2.2.4、属性

id属性值唯一。

2.2.5、文本

CDATA区：在该区域中的数据会被原样展示。

-格式
<code>
    <![CDATA[
        //文本区
    ]]]>
</code>

2.2.6、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中引入相关文档；
• 能够简单地读懂约束文档。

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：① 内部dtd：将约束规则定义在xml文档中；② 外部dtd：将约束的归咋定义在外部的文件中。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文件的位置URL">。

<?xml version="1.0" encoding="UTF-8" ?>
<!--<!DOCTYPE students SYSTEM "student.dtd">-->
<!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="001">
		<name>tom</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	
</students>

Schema：

<?xml version="1.0"?>
<xsd:schema xmlns="xml"
        xmlns:xsd="http://www.w3.org/2001/XMLSchema"
        targetNamespace="xml" elementFormDefault="qualified">
    <xsd:element name="students" type="studentsType"/>
    <xsd:complexType name="studentsType">
        <xsd:sequence>
            <xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>
        </xsd:sequence>
    </xsd:complexType>
    <xsd:complexType name="studentType">
        <xsd:sequence>
            <xsd:element name="name" type="xsd:string"/>
            <xsd:element name="age" type="ageType" />
            <xsd:element name="sex" type="sexType" />
        </xsd:sequence>
        <xsd:attribute name="number" type="numberType" use="required"/>
    </xsd:complexType>
    <xsd:simpleType name="sexType">
        <xsd:restriction base="xsd:string">
            <xsd:enumeration value="male"/>
            <xsd:enumeration value="female"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="ageType">
        <xsd:restriction base="xsd:integer">
            <xsd:minInclusive value="0"/>
            <xsd:maxInclusive value="256"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="numberType">
        <xsd:restriction base="xsd:string">
            <xsd:pattern value="\d{4}"/>
        </xsd:restriction>
    </xsd:simpleType>
</xsd:schema> 

<?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="xml  student.xsd"
	4.为每一个xsd约束声明一个前缀,作为标识  xmlns="xml" 
	
	
 -->
 <students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
			 xsi:schemaLocation="xml  student.xsd"
			 xmlns="xml"
>
 	<student number="0001">
 		<name>tom</name>
 		<age>18</age>
 		<sex>male</sex>
 	</student>

	<student number="0002">
		<name>mike</name>
		<age>18</age>
		<sex>male</sex>
	</student>
		 
 </students>

3、解析XML

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）：将文档中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，持久化的存储。

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：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，不能增删改。

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方式的。

3、Jsoup的使用

3.1、Jsoup快速入门

1、导入jar包：jsoup-1.11.2.jar

2、获取Document对象

3、获取对应的标签（Element对象）

4、获取数据

package xml.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;

/**
 * Jsoup快速入门
 */
public class JsoupDemo1 {
    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 = JsoupDemo1.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);
    }
}

3.2、Jsoup常见对象

• Jsoup：工具类，可以解析html或xml文档，返回Document对象。
• Document：文档对象，代表内存中的dom树。
• Elements：元素Element对象的集合，可以当作ArrayList<Element>来使用。
• Element：元素对象。
• Node：结点对象。

3.2.1、Jsoup对象

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
Document parse(File in, String charsetName);//解析xml或html文件的。
Document parse(String in)：解析xml或html字符串。
Document parse(URL url, int timeoutMillis);//通过网络路径获取指定的html或xml 的文档对象。

package xml.jsoup;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

import java.io.File;
import java.io.IOException;
import java.net.URL;

/**
 * Jsoup对象功能
 */
public class JsoupDemo2 {
    public static void main(String[] args) throws IOException {
        //方式1：
        //2、获取Document对象,根据xml文档来获取
        //2.1、获取student.xml的path
        String path = JsoupDemo1.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 document1 = Jsoup.parse(new File(path), "utf-8");

        //方式2：
        //parse(String html)：解析xml或html字符串
        String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
                "\n" +
                " <students>\n" +
                " \t<student number=\"0001\">\n" +
                " \t\t<name>tom</name>\n" +
                " \t\t<age>18</age>\n" +
                " \t\t<sex>male</sex>\n" +
                " \t</student>\n" +
                "\n" +
                "\t<student number=\"0002\">\n" +
                "\t\t<name>mike</name>\n" +
                "\t\t<age>18</age>\n" +
                "\t\t<sex>female</sex>\n" +
                "\t</student>\n" +
                "\t\t \n" +
                " </students>";
        Document document2 = Jsoup.parse(str);
        //System.out.println(document2);

        //方式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.baidu.com");
        Document document = Jsoup.parse(url, 10000);
        System.out.println(document);
    }
}

3.2.2、Document对象

Document：文档对象，代表内存中的dom树。

-获取Elements对象集合
Elements getElementsByTag(String tagName);//根据标签名称获取元素对象集合
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

-获取Element对象
Element getElementById(String id);//根据id属性值获取唯一的element对象

​

package xml.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;

/**
 * Document/Element对象功能
 */
public class JsoupDemo3 {
    public static void main(String[] args) throws IOException {
        //1、获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //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的元素对象们
        Elements elements1 = document.getElementsByAttribute("id");
        System.out.println(elements1);
        System.out.println("------------");
        //3.3、获取number属性值为0001的元素对象
        Elements elements2 = document.getElementsByAttributeValue("number", "0001");
        System.out.println(elements2);
        System.out.println("------------");
        //3.4、获取id属性值为123的元素对象
        Element elementById = document.getElementById("123");
        System.out.println(elementById);
    }

[点击并拖拽以移动]
​

3.2.3、Elements对象

Elements：元素Element对象的集合，可以当作ArrayList<Element>来使用。

3.2.4、Element对象

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

-获取属性值
String attr(String key);//根据属性名称获取属性值

-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（包括子标签的标签和文本内容）

package xml.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 JsoupDemo4 {
    public static void main(String[] args) throws IOException {
        //1、获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //2、获取Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        /**
         * -获取子元素对象
         * Elements getElementsByTag(String tagName);//根据标签名称获取元素对象集合
         * 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
         *
         * -获取属性值
         * String attr(String key);//根据属性名称获取属性值
         *
         * -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
         */
        //通过Document对象获取所有的name标签
        Elements elements = document.getElementsByTag("name");
        System.out.println(elements.size());
        System.out.println("---------------");

        //通过Element对象获取子标签对象
        Element element_student = document.getElementsByTag("student").get(0);
        Elements ele_name = element_student.getElementsByTag("name");
        System.out.println(ele_name.size());
        System.out.println("---------------");

        //获取student对象的属性值
        String number = element_student.attr("nUmBer");//不区分大小写
        System.out.println(number);
        System.out.println("---------------");

        //获取文本内容
        String text1 = ele_name.text();//获取所有子标签的所有纯文本内容
        String html = ele_name.html();//获取标签体的所有内容（包括子标签的标签和文本内容）
        System.out.println(text1);
        System.out.println(html);
    }
}

3.2.5、Node对象

Node：结点对象，是Document和Element的父类。

3.3、快捷查询方式

3.3.1、selector：选择器

使用的方法：
Elements select(String cssQuery);
cssQuery语法：参考Selector类中定义的语法。

package xml.jsoup;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;

/**
 * 选择器查询
 */
public class JsoupDemo5 {
    public static void main(String[] args) throws IOException {
        //1、获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //2、获取Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //3、查询name标签
        Elements elements1 = document.select("name");
        System.out.println(elements1);
        System.out.println("--------------------");

        //4、查询id值为123的元素
        Elements elements2 = document.select("#123");
        System.out.println(elements2);
        System.out.println("--------------------");

        //5、获取number属性值为0001的student标签的age子标签
        //5.1、获取number属性值为0001的student标签
        Elements elements3 = document.select("student[number='0001']");
        System.out.println(elements3);
        System.out.println("--------------------");
        //5.2、获取子标签
        Elements elements4 = document.select("student[number='0001'] > age");
        System.out.println(elements4);
        System.out.println("--------------------");
    }
}

3.3.2、XPath：XML路径语言

XPath即为XML路径语言，它是一种用来确定XML（标准通用标记语言的子集）文档中某部分位置的语言。

注意：

• 使用Jsoup的XPath需要额外导入jar包（JsoupXpath-0.3.2.jar）。
• 查询w3cschool参考手册，使用xpath的语法完成查询。

package xml.jsoup;

import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
import cn.wanghaomiao.xpath.model.JXDocument;
import cn.wanghaomiao.xpath.model.JXNode;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

import java.io.File;
import java.io.IOException;
import java.util.List;

/**
 * XPath查询
 */
public class JsoupDemo6 {
    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
        //1、获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //2、获取Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //3、根据document对象来创建JXDocument对象
        JXDocument jxDocument = new JXDocument(document);
        //4、结合xpath语法查询
        //4.1、查询所有的student标签：//
        List<JXNode> jxNodes = jxDocument.selN("//student");
        for(JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
        }
        System.out.println("-----------------");
        //4.2、查询所有student标签下的name标签
        List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
        for(JXNode jxNode : jxNodes2) {
            System.out.println(jxNode);
        }
        System.out.println("-----------------");
        //4.3、查询student标签下带有id属性的name标签
        List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
        for(JXNode jxNode : jxNodes3) {
            System.out.println(jxNode);
        }
        System.out.println("-----------------");
        //4.4、查询student标签下带有id属性的name标签，并且id属性值为123
        List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='123']");
        for(JXNode jxNode : jxNodes4) {
            System.out.println(jxNode);
        }
        System.out.println("-----------------");
    }
}