XML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
- 存储数据
- xml与html的区别
- xml标签都是自定义的,html标签是预定义。
- xml的语法严格,html语法松散
- xml是存储数据的,html是展示数据
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
快速入门
<?xml version="1.0" ?>
<!--版本号-->
<!-- 根标签 -->
<users>
<user id="1">
<name>zhangsan</name>
<age>18</age>
<gender>nan</gender>
</user>
<user id="2">
<name>zhangsan</name>
<age>18</age>
<gender>nan</gender>
</user>
</users>
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
- 取值:
指令
了解即可,是用来结合css的
<?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
属性
id值唯一
文本
xml中也存在转义的问题,就像html中的空格要使用 ;一样,但是可以使用CDATA区的方法可以让书写的代码原样展示
* CDATA区:在该区域中的数据会被原样展示
* 格式: <![CDATA[ 内容 ]]>
<!-- 不使用CDATA区 -->
<code>
if(a < b){}
</code>
<!-- CDATA区 -->
<![CDATA[
if(a > b){}
]]>
约束
规定xml文档的书写规则
作为框架的使用者(程序员):
1. 能够在xml中引入约束文档
2. 能够简单的读懂约束文档
分类:
1. DTD:一种简单的约束技术
2. Schema:一种复杂的约束技术
DTD
后缀名:.dtd
<!-- ELEMENT代表可以声明标签 -->
<!-- 根标签名,下面可以出现student标签,可以出现n次 -->
<!ELEMENT students (student*) >
<!-- student标签下面可以出现name,age,sex标签 -->
<!ELEMENT student (name,age,sex)>
<!-- name标签的类型是#PCDATA(字符串) -->
<!ELEMENT name (#PCDATA)>
<!-- age标签的类型是#PCDATA(字符串) -->
<!ELEMENT age (#PCDATA)>
<!-- sex标签的类型是#PCDATA(字符串) -->
<!ELEMENT sex (#PCDATA)>
<!-- ATTLIST代表声明属性 -->
<!-- student标签声明一个number属性,属性的类型是ID,#REQUIRED代表必须要有的意思 -->
<!ATTLIST student number ID #REQUIRED>
- 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">
<!-- ELEMENT代表可以声明标签 -->
<!-- 根标签名,下面可以出现student标签,可以出现n次 -->
<!ELEMENT students (student*) >
<!-- student标签下面可以出现name,age,sex标签 -->
<!ELEMENT student (name,age,sex)>
<!-- name标签的类型是#PCDATA(字符串) -->
<!ELEMENT name (#PCDATA)>
<!-- age标签的类型是#PCDATA(字符串) -->
<!ELEMENT age (#PCDATA)>
<!-- sex标签的类型是#PCDATA(字符串) -->
<!ELEMENT sex (#PCDATA)>
<!-- ATTLIST代表声明属性 -->
<!-- student标签声明一个number属性,属性的类型是ID,#REQUIRED代表必须要有的意思 -->
<!ATTLIST student number ID #REQUIRED>
Schema
后缀名:.xsd
<?xml version="1.0"?><!-- Schema文档和xml文档张的差不多,因为Schema文档本身就是一个xml文档,所以也需要第一个version-->
<!-- xsd:schema是规定标签,里面的xmlns:xsd是固定写法 -->
<xsd:schema xmlns="http://www.itcast.cn/xml"
xmlns:xsd="http://www.w3.org/2001/XMLSchema"
targetNamespace="http://www.itcast.cn/xml" elementFormDefault="qualified">
<!-- :element代表定义了一个元素,name是students,是studentsType类型 -->
<xsd:element name="students" type="studentsType"/>
<!-- :complexType是定义了一个符合类型,叫做studentsType -->
<xsd:complexType name="studentsType">
<!-- :sequence表示按顺序出现 -->
<xsd:sequence>
<!-- 定义了一个元素,name是student,是studentType类型,最小出现零次,最多出现n次(unbounded)是未绑定 -->
<xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>
</xsd:sequence>
</xsd:complexType>
<xsd:complexType name="studentType">
<!-- 按顺序出现 -->
<xsd:sequence>
<!-- 定义元素 -->
<xsd:element name="name" type="xsd:string"/><!-- xsd:string是字符串类型-->
<xsd:element name="age" type="ageType" /><!-- 是自定义类型-->
<xsd:element name="sex" type="sexType" />
</xsd:sequence>
<!-- :attribute是定义属性,属性名叫num,是numberType类型的,并且必须要拥有 -->
<xsd:attribute name="number" type="numberType" use="required"/>
</xsd:complexType>
<!-- :simpleType是定义一个简单类型 -->
<xsd:simpleType name="sexType">
<xsd:restriction base="xsd:string">
<!-- :enumeration表示选择,只能在这里面选择一个 -->
<xsd:enumeration value="male"/>
<xsd:enumeration value="female"/>
</xsd:restriction>
</xsd:simpleType>
<xsd:simpleType name="ageType">
<!-- :restriction是定义基本格式,基本数据格式是数字 -->
<xsd:restriction base="xsd:integer">
<!-- :minInclusive是最小值 -->
<xsd:minInclusive value="0"/>
<!-- :maxInclusive是最大值 -->
<xsd:maxInclusive value="256"/>
</xsd:restriction>
</xsd:simpleType>
<xsd:simpleType name="numberType">
<xsd:restriction base="xsd:string">
<!-- :pattern表示组成格式,value里使用的正则表达式 -->
<xsd:pattern value="heima_\d{4}"/>
</xsd:restriction>
</xsd:simpleType>
</xsd:schema>
引入:
-
填写xml文档的根元素
-
引入xsi前缀. xmlns:xsi=“http://www.w3.org/2001/XMLSchema-instance”
-
不引入命名空间:xsi:noNamespaceSchemaLocation="xsd文件路径 "
-
引入xsd文件命名空间. xsi:schemaLocation="命名空间 xsd文件路径"要是有命名空间的话,就要为每一个xsd约束元素前面添加命名空间的前缀,非常麻烦,而且容易出问题,所以可以在xsi:schemaLocation后面添加作为标识 xmlns[:简写]="命名空间 "
要是同时引入两个xsd文件,则可以使用xmlns中的简写来区分哪一部分标签使用xsd1的约束,哪一部分使用xsd2的约束,如:
<demos xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:shemaLocation=” name1 demo1.xsd
name2 demo2.xsd ”
xmlns=“name1”
xmlns:a=”name1”
xmlns:b=”name2”
>
什么都不写就是默认前缀,使用demo1.xsd约束
<demo></demo>
被demo1.xsd约束的
<a:demo></a:demo>
被demo2.xsd约束的
<b:demo></b:demo>
</demos>
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:
分为两种思想:DOM、SAX。
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
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。
4. PULL:Android操作系统内置的解析器,sax方式的。
Jsoup快速入门:
步骤:
- 导入jar包(jsoup-1.11.2.jar)
- 获取Document对象
- 获取对应的标签Element对象
- 获取数据
// 1. 导入jar包
// 2. 获取Document对象
// 2.1获取student.xml的文件路径(path)
String path = Objects.requireNonNull(JsoupDemo01.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 parse = Jsoup.parse(new File(path), "utf-8");
// 3. 获取对应的标签Element对象
Elements names = parse.getElementsByTag("name");
// 打印返回值,2代表有两个标签为name的Element
System.out.println(names.size());
// 4.获取第一个name的Element对象,索引从0开始
Element element = names.get(0);//<name>tom</name>
// 使用text方法获取对象里面的文本
String text = element.text();//tom
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
- parse(File in, String charsetName):解析xml或html文件,第一个参数是文件路径,第二个参数是字符编码
- parse(String html):解析xml或html字符串,将文件内容直接使用字符串表示出来
- parse(URL url, int timeoutMillis):通过网络路径获取指定的html或xml的文档对象,第一参数是URL路径,第二参数是超时时间
- parse:解析html或xml文档,返回Document
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;
/**
* Jsoup对象功能
*/
public class JsoupDemo02 {
public static void main(String[] args) throws IOException {
//2.1获取student.xml的path
String path = JsoupDemo02.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");
System.out.println(document1);
//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=\"heima_0001\">\n" +
"\t\t<name>tom</name>\n" +
"\t\t<age>18</age>\n" +
"\t\t<sex>male</sex>\n" +
"\t</student>\n" +
"\t<student number=\"heima_0002\">\n" +
"\t\t<name>jack</name>\n" +
"\t\t<age>18</age>\n" +
"\t\t<sex>female</sex>\n" +
"\t</student>\n" +
"\n" +
"</students>";
Document document2 = Jsoup.parse(str);
System.out.println(document2);
//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://baike.baidu.com/item/jsoup/9012509?fr=aladdin");//代表网络中的一个资源路径
Document document3 = Jsoup.parse(url, 10000);
System.out.println(document3);
}
}
- 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
- 获取Element对象
//1.获取student.xml的path
String path = JsoupDemo03.class.getClassLoader().getResource("student.xml").getPath();
//2.获取Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//3.获取元素对象了。
//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("-----------");
//3.2获取 number属性值为heima_0001的元素对象
Elements elements2 = document.getElementsByAttributeValue("number", "heima_0001");
System.out.println(elements2);
System.out.println("-----------");
//3.3获取id属性值的元素对象
Element itcast = document.getElementById("itcast");
System.out.println(itcast);
- 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
- 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
-
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(包括字标签的字符串内容)
-
//1.获取student.xml的path
String path = JsoupDemo04.class.getClassLoader().getResource("student.xml").getPath();
//2.获取Document对象
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,可以获取到两个
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(0);
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);
System.out.println("------------");
//获取文本内容
String text = ele_name.text();
String html = ele_name.html();
System.out.println(text);//tom
System.out.println(html);//tom
- Node:节点对象
- 是Document和Element的父类
快捷查询方式
selector
- 使用的方法:Elements select(String cssQuery)
- 参数cssQuery是css的选择器书写方式,语法:参考Selector类中定义的语法
// 1 获取到document的对象
String path = Objects.requireNonNull(JsoupDemo05Selector.class.getClassLoader().getResource("student.xml")).getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
// 2 查询name标签
Elements names = document.select("name");
System.out.println(names);
System.out.println("---------");
// 3 查询id值为itcast的元素
Elements itcast = document.select("#itcast");
System.out.println(itcast);
System.out.println("---------");
// 4 获取student标签并且number属性值为heima_0001的age子标签
// 4.1 获取student标签并且number属性值为heima_0001
Elements student = document.select("student[number='heima_0001']");
System.out.println(student);
System.out.println("---------");
// 4.2 获取student标签并且number属性值为heima_0001的age子标签,通过>选出子元素
Elements age = document.select("student[number=\"heima_0001\"] > age");
System.out.println(age);
Xpath
- 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
- 使用Jsoup的Xpath需要额外导入jar包。
- 查询w3cshool参考手册,使用xpath的语法完成查询,在w3cschool官网查找具体语法