XML笔记

XML

一，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

    1.存储数据

    ​ (1)配置文件

    ​ (2)在网络中传输

• xml和html的区别

​ 1.xml标签都是自定义的，html的标签是预定义的

​ 2.xml语法严格，html的语法松散

​ 3.xml是存储数据的，html是展示数据的

• w3c（万维网联盟）

二，语法

• 基本语法：

  （1）xml文档后缀为xml

  （2）xml第一行必须写文档声明

  <?xml version>='1.0' ?>
  

  （3）有且仅有一个根标签，属性值必须使用引号引起来（单引号双引号都可以）

  （4）标签必须正确关闭，也就是标签必须成对出现

  （5）xml标签区分大小写

• 快速入门（举例）：

  <?xml version='1.0' ?>
  <users>
      <user id='1'>
          <name>zhangsan</name>
          <age>22</age>
      </user>
      <user id='2'>
          <name>lisi</name>
          <age>24</age>
      </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（主流版本1.0，且version是必须写的）
  • encoding：编码方式，告知解析引擎当前文档使用的字符集，浏览器默认解码方式是ISO-8859-1
  • standalone：是否独立

  2.指令

  3.标签

  4.属性

  ​ id属性值唯一

  5.文本

三，约束

1.概念：规定xml文档的书写规则

• 作为框架的使用者（程序员）：

  （1）能在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

2.DTD

• 引入dtd文档到xml中

  （1）外部dtd：将约束的规则定义在外部的dtd文件中

  ​ 本地：

  ​ 网络：

  如下是一段dtd代码，定义了teachers的配置文件规则

  <!ELEMENT teachers (teacher+) >
  <!--这里teacher后面的条件可以设置成星号*（意思是teacher可以有任意个），设置成加号的意思是至少要有一个teacher-->
  <!ELEMENT teacher (name,age,sex)>
  <!ELEMENT name (#PCDATA)>
  <!ELEMENT age (#PCDATA)>
  <!ELEMENT sex (#PCDATA)>
  <!ATTLIST teacher number ID #REQUIRED><!--ATTLIST是定义属性值规则的，这里定义了teacher可以有一个名为number的属性值，且number必须有且唯一-->
  

  下面是一个teacher.xml文件的代码，引入这个dtd文件的代码如下

  <?xml version="1.0" encoding="UTF-8" ?>
  <!DOCTYPE teachers SYSTEM "teachers.dtd">
  
  <teachers>
      <teacher number="zzz">
          <name>zhangsan</name>
          <age>22</age>
          <sex>male</sex>
      </teacher>
      <teacher number="lll">
          <name>lisi</name>
          <age>25</age>
          <sex>male</sex>
      </teacher>
  </teachers>
  

  （2）内部dtd：将约束规则定义在xml文档中（由于缺乏复用性，用的少）

  举例（用的不多可以跳过）

  <?xml version="1.0" encoding="UTF-8" ?>
  <!--<!DOCTYPE teachers SYSTEM "teachers.dtd">-->
  <!DOCTYPE teachers [
          <!ELEMENT teachers (teacher+) >
          <!--这里teacher后面的条件可以设置成星号*（意思是teacher可以有任意个），设置成加号的意思是至少要有一个teacher-->
          <!ELEMENT teacher (name,age,sex)>
          <!ELEMENT name (#PCDATA)>
          <!ELEMENT age (#PCDATA)>
          <!ELEMENT sex (#PCDATA)>
          <!ATTLIST teacher number ID #REQUIRED><!--ATTLIST是定义属性值规则的，这里定义了teacher可以有一个名为number的属性值，且number必须有且唯一-->]>
  <teachers>
      <teacher number="zzz">
          <name>zhangsan</name>
          <age>22</age>
          <sex>male</sex>
      </teacher>
      <teacher number="lll">
          <name>lisi</name>
          <age>25</age>
          <sex>male</sex>
      </teacher>
  </teachers>
  

​ （3）dtd的缺陷–>不能限制标签中值的类型

​ 例如标签中，显然age应该是数字，但如果我在其中填入其他的内容仍然不会报错，下面的Schema就很好的解决了这个问题

3.Shema（略）

四，xml解析

1.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，持久化存储。

2.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（如下图，就是一个简单的dom树）
  
  （1）优点：操作方便，可以对文档进行CRUD的所有操作

（2）缺点：由于dom是一次性将文档记载进内存，并且将文件转成dom树的形式会比原来的格式占用的内存大上1000甚至10000倍，因此加载比较大的文件时候会非常占内存

• SAX：逐行读取，基于事件驱动的（每次读取一行的标记语言，读取下一行的时候会释放掉上一行内容，因此不占内存）

（1）优点：不占内存

（2）缺点：只能用来读取，不能增删改

基于两种解析xml（标记语言的优缺点），常在服务器端用DOM思想，在安卓等移动端使用SAX思想

• xml常见的解析器（工具包）

（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：一款Java的html的解析器，可以直接解析url地址，html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。这里xml也是标记语言，所以同样可以用Jsoup解析

（4）PULL：android操作系统内置的解析器，是sax方式的

• Jsoup

  • 快速入门

    （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

  

public class jsoup_01 {
    public static void main(String[] args) throws IOException {
        //获取Document对象，依据xml文档获取，需要先获取xml的文档路径
        String path = jsoup_01.class.getClassLoader().getResource("xml/teacher.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        //获取元素对象Element
        Elements elements = document.getElementsByTag("name");
        //这个elements中包含了所有的name标签，在我所建立的这个xml文件中就是zhangsan和lisi，值得注意的是这个elements是其实是一个ArrayList集合，具体可以看下图
        System.out.println(elements.size());//这个验证一下，输出结果确实是2，也就是有两个name，分别是zhangsan和lisi
        //获取第一个name的Element对象
        Element element = elements.get(0);
        //获取其中的数据并输出验证一下
        String name = element.text();
        System.out.println(name);
    }
}

输出的结果如下

3.Jsoup对象

• Jsoup：工具类，可以解析xml和html文档，返回Document对象

  • parse：解析html或xml文档，返回Document对象

    static Document	parse(File in, String charsetName)	Parse the contents of a file as HTML.
    static Document	parse(String html)	Parse HTML into a Document.
    static Document	parse(URL url, int timeoutMillis)	Fetch a URL, and parse it as HTML.

    上面三种较为常用的parse方法，其中第一种和第三种最为常用，第一种常用于解析本地文件中的xml或html文档，返回一个Document对象，第三种常用于解析网络上的html文档，可以批量从网络上爬取html文档获取内容

    三种parse的实例代码如下

    （1）parse(File in, String charsetName)

     public static void main(String[] args) throws IOException {
            //获取Document对象，依据xml文档获取，需要先获取xml的文档路径
            String path = jsoup_02.class.getClassLoader().getResource("xml/teacher.xml").getPath();
            Document document = Jsoup.parse(new File(path), "utf-8");
            System.out.println(document);
        }
    

这里可以看到Documnet实则是一个字符串，打印出来就是xml文档的内容

（2）**`parse(String html)`**（不常用）

~~~java
public static void main(String[] args) throws IOException {
        Document document = Jsoup.parse("<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
                "<!DOCTYPE teachers SYSTEM \"teachers.dtd\">\n" +
                "\n" +
                "<teachers>\n" +
                "    <teacher number=\"zzz\">\n" +
                "        <name>zhangsan</name>\n" +
                "        <age>22</age>\n" +
                "        <sex>male</sex>\n" +
                "    </teacher>\n" +
                "    <teacher number=\"lll\">\n" +
                "        <name>lisi</name>\n" +
                "        <age>25</age>\n" +
                "        <sex>male</sex>\n" +
                "    </teacher>\n" +
                "</teachers>");
        System.out.println(document);
    }
~~~

结果和（1）一样，这里的String其实就是一个xml文档或者html文档的内容

（3）parse(URL url, int timeoutMillis)------（获取在线的html文档）

public static void main(String[] args) throws IOException {
        URL url = new URL("https://baike.baidu.com/item/jsoup/9012509?fr=aladdin");
        Document document = Jsoup.parse(url,10000);
        System.out.println(document);
    }

这里的url我用的是Jsoup百度百科的网址，可以看到已经把这个网址的html文档内容给爬了出来

• Document：文档对象，代表内存中的dom树

  • public class Document
    extends Element
    

  • 用来获取Element对象（获取Element对象的方法继承自org.jsoup.nodes.Element类）

  返回值类型	方法	描述
  Element	getElementById(String id)	根据id属性值获取唯一的Element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

• Elements：元素Element对象的集合，可以当作ArryList来使用

• Element：元素对象

  • 获取子元素对象

    返回值类型	方法	描述
    Element	getElementById(String id)	根据id属性值获取唯一的Element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

    这些方法都是Element类本来就有的方法

  • 获取属性值（根据属性名称获取属性值）

    public String attr(String attributeKey)
    

  • 获取文本内容

    返回值类型	方法	描述
    String	text()	获取所有子标签的纯文本内容
    String	html()	获取标签体的所有内容（包括子标签的标签和文本内）

• Node：节点对象

  • 是document和element的父类

• Jsoup中快捷查询方式：

  1.selector：选择器

  • 使用的方法：ELements select（String cssQuery）

    • 语法：参考Selector类中定义的语法

      public static void main(String[] args) throws IOException {
              //获取xml的path
              String path = jsoup_01.class.getClassLoader().getResource("xml/teacher1.xml").getPath();
              //根据这个path生成document对象
              Document document = Jsoup.parse(new File(path), "utf-8");//这里parse方法会存在一个io异常，这里不做处理直接抛出
              //1.查询name标签，使用select选择器，返回一个name标签的字符串
              Elements elements = document.select("name");
              System.out.println(elements);
              System.out.println("-------------------");
              //2.根据id查询，这里需要注意id查询需要使用#+id
              Elements elements1 = document.select("#sss");
              System.out.println(elements1);
              System.out.println("-------------------");
              //3.获取teacher标签中number等于lll的子标签age
              Elements elements2 = document.select("teacher[number=\"lll\"]");
              System.out.println(elements2);
              //这里已经成功获取了number等于lll的teacher标签
              //继续获取它的子标签
              Elements age = elements2.select("age");
              System.out.println(age);
              //获取到age标签后我们获取其中的内容
              String text = age.text();
              System.out.println(text);
              //测试后是没有问题的
              System.out.println("-------------------");
              //换个更简单的语法，直接，如下
              Elements select = document.select("teacher[number=\"lll\"] > age");
              System.out.println(select.text());
      
          }
      

运行结果：

<name id="sss">
 zhangSan
</name>
<name id="ddd"> 
 <xing>
  zhang
 </xing> 
 <ming>
  san
 </ming> 
</name>
-------------------
<name id="sss">
 zhangSan
</name>
-------------------
<teacher number="lll"> 
 <name id="ddd"> 
  <xing>
   zhang
  </xing> 
  <ming>
   san
  </ming> 
 </name> 
 <age>
  25
 </age> 
 <sex>
  male
 </sex> 
</teacher>
<age>
 25
</age>
25
-------------------
25

Process finished with exit code 0

2.XPath：W3C提供的一种快捷查询的语法

• 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。

  XPath基于XML的树状结构，提供在数据结构树中找寻节点的能力。起初XPath的提出的初衷是将其作为一个通用的、介于XPointer与XSL间的语法模型。但是XPath很快地被开发者采用来当作小型查询语言。

• shiyongJsoup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

表达式	描述
nodename	选取此节点的所有子节点。
/	从根节点选取。
//	从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
.	选取当前节点。
…	选取当前节点的父节点。
@	选取属性。

路径表达式	结果
bookstore	选取 bookstore 元素的所有子节点。
/bookstore	选取根元素 bookstore。注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！
bookstore/book	选取属于 bookstore 的子元素的所有 book 元素。
//book	选取所有 book 子元素，而不管它们在文档中的位置。
bookstore//book	选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。
//@lang	选取名为 lang 的所有属性。

这是部分语法内容，参考可用

例：

public static void main(String[] args) throws Exception {
        //获取xml的path
        String path = jsoup_01.class.getClassLoader().getResource("xml/teacher1.xml").getPath();

        //根据这个path生成document对象
        Document document = Jsoup.parse(new File(path), "utf-8");//这里parse方法会存在一个io异常，这里不做处理直接抛出

        //创建JXDocument对象，JXDocument支持XPath语法，因此它是刚导入的jar包中的内容
        JXDocument jxDocument = new JXDocument(document);

        //结合Xpath的语法查询
        List<JXNode> jxNodes = jxDocument.selN("//teacher");//selN是selectNode，返回值是一个list集合，直接遍历出结果
        for (JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
        }
        System.out.println("-------------------");

        //查询所有teacher下的name标签
        List<JXNode> jxNodes1 = jxDocument.selN("//teacher/name");//selN是selectNode，返回值是一个list集合，直接遍历出结果
        for (JXNode jxNode : jxNodes1) {
            System.out.println(jxNode);
        }
        System.out.println("-------------------");

        //查询所有teacher下id为ddd的name标签
        List<JXNode> jxNodes2 = jxDocument.selN("//teacher/name[@id='ddd']");//selN是selectNode，返回值是一个list集合，直接遍历出结果
        for (JXNode jxNode : jxNodes2) {
            System.out.println(jxNode);
        }
        System.out.println("-------------------");
    }

运行结果：

<teacher number="zzz"> 
 <name id="sss">
  zhangSan
 </name> 
 <age>
  22
 </age> 
 <sex>
  male
 </sex> 
</teacher>
<teacher number="lll"> 
 <name id="ddd"> 
  <xing>
   zhang
  </xing> 
  <ming>
   san
  </ming> 
 </name> 
 <age>
  25
 </age> 
 <sex>
  male
 </sex> 
</teacher>
-------------------
<name id="sss">
 zhangSan
</name>
<name id="ddd"> 
 <xing>
  zhang
 </xing> 
 <ming>
  san
 </ming> 
</name>
-------------------
<name id="ddd"> 
 <xing>
  zhang
 </xing> 
 <ming>
  san
 </ming> 
</name>
-------------------

Process finished with exit code 0