十三、XML

XML

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

• XML与HTML的区别

  • xml标签都是自定义的，html标签都是预定义的

  • 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

XML语法

• 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标签名区分大小写

• 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

      • standalonge：是否独立

        • 取值：

          • yes：不依赖其他文件

          • no：依赖其他文件

  • 指令(了解)：结合CSS的

  • 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字符开始

      • 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属性值唯一

  • 文本

    • CDATA区：在该区域中的数据会被原样展示

      • 格式：<! [CDATA[数据]]>

• 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中引入约束文档

    • 能够简单的读懂约束文档

  • 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

    • 内部dtd：将约束规则定义在xml文档中

    • 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文件名字" "dtd文件的位置URL">

  • Schema:

    • 引入：

      • 填写xml文档的根元素

      • 引入xsi前缀.

      • 引入xsd文件命名空间.

      • 为每一个xsd约束声明一个前缀，作为标识

XML解析

• 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：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

      • 快速入门：

        • 步骤：

          • 导入jar包

          • 获取Document对象

          • 获取对应的标签Element对象

          • 获取数据

      • 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和html文件的

            • parse(String html)：解析xml和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

        • 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

            • getElementByTag(String tagName)：根据标签名称获取元素对象集合

            • getElementByAttribute(String key)：根据属性名称获取元素对象集合

            • getElementByAttributyValue(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。可以当做ArrayList<Element>来使用

        • Element：元素对象

          • 获取元素对象：

            • getElementById(String id)：根据id属性值获取唯一的element对象

            • getElementByTag(String tagName)：根据标签名称获取元素对象集合

            • getElementByAttribute(String key)：根据属性名称获取元素对象集合

            • getElementByAttributyValue(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(包括子标签的字符串内容)

        • Node：节点对象

          • 是Document和Element的父类

      • 快捷查询方式：

        • 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

        • 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)文档中某部分的语言

          • 使用Jsoup的XPath需要额外导入jar包

          • 查询w3cschool参考手册，使用XPath的语法完成查询

    • PULL：Android操作系统内置的解析器，sax方式的