XML入门
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("-----------------");
}
}
