第四部分 第七章 XML

XML基础

6.1 概念

• Extensible Markup Language 可扩展标记语言
  • 可扩展：标签都是自定义的。 <user> <student>
• 功能——存储数据
  1. 配置文件
  2. 在网络中传输
• xml与html的区别
  1. xml标签都是自定义的，html标签是预定义。
  2. xml的语法严格，html语法松散
  3. xml是存储数据的，html是展示数据
• w3c:万维网联盟

6.2 语法

6.2.1 基本语法：

1. xml文档的后缀名 .xml
2. xml第一行必须定义为文档声明
3. xml文档中有且仅有一个根标签
4. 属性值必须使用引号(单双都可)引起来
5. 标签必须正确关闭
6. xml标签名称区分大小写

6.2.2 快速入门

<?xml version='1.0' ?>
<users>
    <user id='1'>
        <name>zhangsan</name>
        <age>23</age>
        <gender>male</gender>
        <br/>
    </user>

    <user id='2'>
        <name>lisi</name>
        <age>24</age>
        <gender>female</gender>
    </user>
</users>

6.2.3 组成部分：

• 文档声明

  1. 格式：<?xml 属性列表 ?>
  2. 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：
         1. yes：不依赖其他文件
         2. no：依赖其他文件

• 指令(了解)：结合css的

  <?xml-stylesheet type="text/css" href="a.css" ?>

• 标签：标签名称自定义的

  • 规则：
    1. 名称可以包含字母、数字以及其他的字符
    2. 名称不能以数字或者标点符号开始
    3. 名称不能以字母 xml（或者 XML、Xml 等等）开始
    4. 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 ]]>

6.2.4 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

  • 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">

• Schema

  • 引入：

    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="http://www.itcast.cn/xml student.xsd"

    4. 为每一个xsd约束声明一个前缀,作为标识 xmlns="http://www.itcast.cn/xml"

       <students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                 xmlns="http://www.itcast.cn/xml"
                 xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd">

6.3 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
  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。持久化的存储
• 解析xml的方式
  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

6.3.1 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。

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。

• 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

• 代码

  //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);

对象的使用

1. 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文件的。
  • 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

2. 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

3. Elements：元素Element对象的集合。可以当做ArrayList<Element>来使用
4. Element：元素对象
   • 获取子元素对象
     1. getElementById(String id)：根据id属性值获取唯一的element对象
     2. getElementsByTag(String tagName)：根据标签名称获取元素对象集合
     3. getElementsByAttribute(String key)：根据属性名称获取元素对象集合
     4. 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
     1. String attr(String key)：根据属性名称获取属性值
   • 获取文本内容
     1. String text()：获取文本内容
     2. String html()：获取标签体的所有内容(包括字标签的字符串内容)
5. Node：节点对象
   • 是Document和Element的父类

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

2. 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

3. 代码

   //1.获取student.xml的path
   String path = JsoupDemo6.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，创建JXDocument对象
   JXDocument jxDocument = new JXDocument(document);
   //4.结合xpath语法查询
   //4.1查询所有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itcast
   List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
   for (JXNode jxNode : jxNodes4) {
       System.out.println(jxNode);
   }