XML文档基础及其解析

最新推荐文章于 2024-06-29 12:06:41 发布

yang_x_b

最新推荐文章于 2024-06-29 12:06:41 发布

阅读量1.1k

点赞数

分类专栏： Java_Basic 文章标签： xml html java

本文链接：https://blog.csdn.net/yang_x_b/article/details/126872475

版权

Java_Basic 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

一、XML
	1. 概念：Extensible Markup Language 可扩展标记语言
		* 可扩展：标签可以自定义的。<user>、<hobby>
		* 功能
			1. 存储数据
			2. 在网络中传输

	2. XML和HTML的区别
		1. xml标签都是自定义的，html标签使预定于的
		2. xml的语言严格，html的语法松散
		3. xml是存储数据的，html是展示数据的
	
	3. 语法
		* 基本语法
			1. xml文档的后缀名 .xml
			2. xml文档第一行必须定义为文档声明（文件行号为1的行） 例：<?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（单双引号都可）引起来
			5. 标签必须正确关闭
			6. xml标签名称严格区分大小写
		* 快速入门
		--------------------------------------
			<?xml version='1.0' ?>
			<users>
				<user id="1">
					<name>Sprite</name>
					<age>18</age>
					<gender>male</gender>
				</user>
				
				<user id="2">
					<name>Sprite</name>
					<age>19</age>
					<gender>female</gender>
				</user>
			</users>
		--------------------------------------
		* 组成部分
			1. 文档说明
				1. 格式：<?xml version='1.0' ?>
				2. 属性列表：
					version：版本号，必须的属性 1.0 即可
					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；需要指定才能显示中文
					standalone：是否独立（了解）
						yes：不依赖其它文件
						no：依赖其它文件
			2. 指令（了解）：结合css展示
				<?xml-stylesheet type="text/css" href="a.css">
			3. 标签：标签名称自定义
				* 规则：
					名称可以包含字母、数字以及其它字符
					名称不能以数字或标点符号开始
					名称不能以字母XML、xml、Xml等开始
					名称不能包含空格
			4. 属性
				id 属性值需唯一
			5. 文本
				* CDTADA区：在此区域的字符会被原样展示
					* 格式：<![CDATA[原样展示数据]]>
	4.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

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
		<!--引入方式一-->
		<<!DOCTYPE students SYSTEM "student.dtd">
		
		<!--引入方式二-->
		<!DOCTYPE students [
		<!ELEMENT students (student*)>
		<!ELEMENT student (name, age, sex)>
		<!ELEMENT name (#PCDATA)>
		<!ELEMENT age (#PCDATA)>
		<!ELEMENT sex (#PCDATA)>
		<!ATTLIST student number ID #REQUIRED>
		]>
	外部dtd：将约束规则定义在外部的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文件名称" "dtd文件的位置URL">


	dtd约束文档简单举例说明：
	*****************************************************************************
	<!--意为：引入该约束的xml文件的根标签为students,其中含有0个或者多个student子标签-->
	<!ELEMENT students (student*)>  
	<!--意为：student标签中含有三个子标签，每个标签只能出现一次，且出现顺序必须为：name, age，sex-->
	<!ELEMENT student (name, age, sex)> 
	<!ELEMENT name (#PCDATA)>   <!--意为：name标签的内容为字符串-->
	<!ELEMENT age (#PCDATA)>
	<!ELEMENT sex (#PCDATA)>
	<!--意为：student标签存在属性number，类型为ID（即必须唯一）；#REQUIRED表示该属性必须出现-->
	<!ATTLIST student number ID #REQUIRED> 
	*****************************************************************************

Schema

 待完善...

解析：操作xml文档，将文档中的数据读取到内存中

一、操作xml文档
	1. 解析（读取）：将xml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，持久化存储

二、解析xml的方式
	1. DOM：将标记语言文档一次性加载进入内存中，在内存中形成一颗DOM树（服务器端常用）
		* 优点：操作方便，可以对文档进行CRUD的所有操作
		* 缺点：一次性加载进入内存形成DOM树，非常消耗资源

	2. SAX：逐行读取，基于事件驱动（安卓终端常用）
		* 优点：不消耗资源
		* 缺点：只能读取，不能增删改

三、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（不常用）
	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思想。

四、Jsoup
	1. 快速入门
		* 步骤：
			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

**************************************************************************************
示例代码：
public static void main(String[] args) throws IOException {
// 1. 获取xml文件的绝对path
String path = JsoupDemo1.class.getClassLoader().getResource("user.xml").getPath();
// 2. 解析xml文档，加载文档进内存，获取dom树---> Document对象
Document document = Jsoup.parse(new File(path), "utf8");
// 3. 获取元素对象
Elements elements = document.getElementsByTag("name");

System.out.println(elements.size());

// 4. 获取数据
System.out.println(elements.get(0).text());
System.out.println(elements.get(1).text());
}
**************************************************************************************


五、对象的使用
	1. Jsoup：工具类，可以解析html或xml文档，返回Document对象
		* parse方法：解析html或者xml文档，返回Document
			parse(File in, String charsetName)：解析xml或html文件
			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
			示例：
				URL url = new URL("https://www.baidu.com/");
    		    Document document = Jsoup.parse(url, 10000);
       			System.out.println(document.text());
	2. Document：文档对象。代表内存中的DOM树
		1. 主要用于获取Element对象
			* getElementById(String id)：根据id属性值获取元素对象
			* 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，可以当成ArrayList<Element>来使用
	4. Element：元素对象
		1. 获取子元素对象（只会获取当前元素的子元素里面的指定标签对象，不会获取与之平行的标签下的指定标签对象）
			* getElementById(String id)：根据id属性值获取元素对象
			* 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()：获取此元素及其所有子元素的合并文本（返回纯文本内容）
			* String html()：检索元素的内部HTML（返回的使带标签的文本内容，html格式）
	5. Node：节点对象

区别Document对象和Element对象调用getElementxxx等方法示例代码：

    public static void main(String[] args) throws IOException {
        // 1. 获取user.xml的path，String类型
//        String path = JsoupDemo2.class.getClassLoader().getResource("user.xml").getPath();
        String path = Objects.requireNonNull(JsoupDemo2.class.getClassLoader().getResource("user.xml")).getPath();
        // 2. 获取Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        // 3. 使用Document对象进行调用getElementsByTag(String tagName)，返回DOM树中的所有name标签（每个name标签为一个Element对象）
        Elements nameTagValue = document.getElementsByTag("name");
        System.out.println(nameTagValue.size());
        
        System.out.println("*******************************");
        
        // 4. 通过Element对象进行获取子标签对象
        Element eleStudent = document.getElementsByTag("student").get(0);
        // 只会获取当前student标签下的name标签对象
        Elements eleName = eleStudent.getElementsByTag("name");
        System.out.println(eleName.size());
		
		 System.out.println("*******************************");

        // 获取student标签Element对象下的指定属性值(参数中指定的属性名称，不区分大小写)
        String numberValue = eleStudent.attr("NUMBER");// 返回结果应该为：sprite-01
        System.out.println(numberValue);
        System.out.println("*******************************");

        // 获取文本内容text（）和 html（）
        String text = eleStudent.text();// 获取Student元素及其所有子元素的合并文本
        System.out.println(text);

        System.out.println("*******************************");

        String html = eleStudent.html();
        System.out.println(html);
    }
}

在这里插入图片描述

<students>
    <student number="sprite-01">
        <name>无糖sprite</name>
        <age>18</age>
        <sex>male</sex>
    </student>

    <student number="sprite-02">
        <name>有糖sprite</name>
        <age>18</age>
        <sex>female</sex>
    </student>
    <student number="sprite-03">
        <name>有糖sprite</name>
        <age>18</age>
        <sex>female</sex>
    </student>
</students>

快捷查询方式

Document 类 select(String cssQuery)方法

Document 类 select(String cssQuery)
1. selector：选择器
	使用的方法：Elements	select(String cssQuery)：查找与Selector CSS查询匹配的元素，将此元素作为开始上下文。
	示例代码：
	// 1. 获取xml路径path
    String path = Objects.requireNonNull(JsoupDemo3.class.getClassLoader().getResource("user.xml")).getPath();
    // 2. 获取Document对象
    Document document = Jsoup.parse(new File(path), "utf-8");
    // 3.获取element对象
    final Elements ELEMENT = document.getElementsByTag("students");
    // 4. 调用select方法获取指定标签元素Element对象
    Elements nameEle = ELEMENT.select("name");
    // 5. 调用text方法获取文本，并打印
    for (Element e : nameEle) {
        System.out.println(e.text());
    }
    // 进阶使用（类似于css中的选择器）
    // 获取student标签下的属性number值以sprite开头的标签Elements对象
	Elements select = document.select("student[number^=sprite]"); 
	// 获取student标签下的属性number值为sprie-01下的name标签Element对象
    Elements select = document.select("student[number=sprit-01] > name");
    System.out.println(select);


	2. 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xpath需要导入jar包 JsoupXpath-0.3.2.jar
		* 查询w3cshool参考手册，使用xpath语法完成查询

XPath

package com.sprite.java;
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;
import java.util.Objects;

public class JsoupDemo4 {
    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
        // 获取xml路径path
        String path = Objects.requireNonNull(JsoupDemo4.class.getClassLoader().getResource("user.xml")).getPath();

        // 获取Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        // 需要根据Document对象（不支持xpath语法）创建JXDocument对象
        JXDocument jxDocument = new JXDocument(document);


        // 查询所有student标签
        List<JXNode> jxNodes = jxDocument.selN("//student");
        for (JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
        }

        System.out.println("****************************************");
        // 查询所有student标签下的name标签
        List<JXNode> jxNodes1 = jxDocument.selN("//student/name");
        for (JXNode jxNode : jxNodes1) {
            System.out.println(jxNode);
        }

        System.out.println("****************************************");

        // 查询所有student标签下带有id属性的name标签 //title[@lang]
        List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");
        for (JXNode jxNode : jxNodes2) {
            System.out.println(jxNode);
        }

        // 查询所有student标签下带有id属性的name标签，并且id属性值为itcast
        List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id='3']");
        for (JXNode jxNode : jxNodes3) {
            System.out.println(jxNode);
        }
    }
}

测试xml文件内容

<?xml version='1.0' encoding="utf-8" ?>
<!--引入方式一-->
<!--<!DOCTYPE students SYSTEM "student.dtd">-->

<!--引入方式二-->
<!--<!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="sprite-01">
        <name>无糖sprite</name>
        <age>18</age>
        <sex>male</sex>
    </student>

    <student number="sprite-02">
        <name id = '3'>有糖sprite</name>
        <age>18</age>
        <sex>female</sex>
    </student>
    <student number="sprite-03">
        <name>sprite</name>
        <age>18</age>
        <sex>female</sex>
    </student>
    <student number="sprit-01">
        <name id = '3'>耀</name>
        <age>18</age>
        <sex>female</sex>
    </student>
    <student number="sprit-02">
        <name id = '3'>李信</name>
        <age>18</age>
        <sex>female</sex>
    </student>
    <student number="sprit-06">
        <name id = '3'>咏春叶问</name>
        <age>18</age>
        <sex>female</sex>
    </student>
    <student number="sprit-07">
        <name id = '3'>火云邪神</name>
        <age>18</age>
        <sex>female</sex>
    </student>
</students>