XML笔记

发布于：2022-11-29 ⋅ 阅读:(303) ⋅ 点赞:(0)

文章目录

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）
    在这里插入图片描述
    （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

    在这里插入图片描述

    （3）获取对应的标签（Element对象）

    在这里插入图片描述

    （4）获取数据

    在这里插入图片描述

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

在这里插入图片描述

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);
    }

在这里插入图片描述

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);
    }
~~~

在这里插入图片描述

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);
    }

在这里插入图片描述

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
本文含有隐藏内容，请 开通VIP 后查看

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布