XML
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标签都是预定义.
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
2. 语法:
* 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文当只能够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. 标签必须正确打开
6. xml标签名称区分大小写
* 快速入门:
<?xml version="1.0"?>
<users>
<user id="1">
<name>zhangsan</name>
<age>23</age>
<gender>male</gender>
</user>
<user id="2">
<name>lisi</name>
<age>24</age>
<gender>female</gender>
</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, 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:
* yes: 不依赖其他文件
* no: 依赖其他文件
2. 指令: 结合css
* <?xml-stylesheet type="text/css" href="a.css" ?>
3. 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
4. 属性:
id属性值唯一
5. 文本:
* CDATA区: 在该区域中的数据会被原样展示
* 格式: <![CDATA[ 展示的数据 ]]>
* 约束: 规定xml文档的书写规则
* 作为框架得使用者(程序员):
1. 能够在xml中引入的约束文档
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(随便写)" "dtd文件的位置URL(例如:http://......)">
* 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.xiaoge.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.xiaoge.cn/xml"
<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns="http://www.xiaoge.cn/xml"
xsi:schemaLocation="http://www.xiaoge.cn/xml student.xsd"
>
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文件中
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, 不能增删改查
* xml常见的解析器:
1. JAXP: sun公司童工的解析器, 支持dom和sax两种思想
2. DOM4J: 一款非常优秀的解析器
3. Jsoup: 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.
4. 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:
* 步骤:
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:
package cn.xiaoge.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;
import java.net.URL;
/**
* @Author: HWB
* @DateTime: 2020/1/23 下午10:15
* @Description: Jsoup快速入门
*/
public class JsoupDemo1 {
public static void main(String[] args) throws IOException {
// 1. 导入jar包
// 2. 获取Document对象, 根据xml文件获取
// 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数--->Document
Document document = Jsoup.parse(new File(path), "utf-8");
// 3. 获取元素对象 Element
Elements elements = document.getElementsByTag("name");
// 4. 获取元素集合的大小
System.out.println(elements.size());
// 5. 获取第一个元素
Element element = elements.get(0);
// 6. 获取元素的值
String name = element.text();
// 7. 打印第一个元素的值
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
* 代码:
package cn.xiaoge.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;
import java.net.URL;
/**
* @Author: HWB
* @DateTime: 2020/1/23 下午10:15
* @Description: Jsoup对象功能
*/
public class JsoupDemo2 {
public static void main(String[] args) throws IOException {
// 1. 导入jar包
// 2. 获取Document对象, 根据xml文件获取
// 2.1 获取student.xml的path
String path = JsoupDemo2.class.getClassLoader().getResource("student.xml").getPath();
// 2.2 解析xml文档, 加载文档进内存, 获取dom数--->Document
/*
// 1. 第一种获取Document对象 parse(File in, String charsetName): 解析xml或html文件
Document document = Jsoup.parse(new File(path), "utf-8");
System.out.println(document);
*/
/*
// 2. 第二种获取Document对象 parse (String html): 解析xml或html字符串
String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
"<!-- \n" +
"\t1.填写xml文档的根元素\n" +
"\t2.引入xsi前缀. xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\"\n" +
"\t3.引入xsd文件命名空间. xsi:schemaLocation=\"http://www.xiaoge.cn/xml student.xsd\"\n" +
"\t4.为每一个xsd约束声明一个前缀,作为标识 xmlns=\"http://www.xiaoge.cn/xml\"\n" +
"\t\n" +
"\t\n" +
" -->\n" +
" <students xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\"\n" +
" \t\t\t xmlns=\"http://www.xiaoge.cn/xml\"\n" +
" \t\t xsi:schemaLocation=\"http://www.xiaoge.cn/xml student.xsd\"\n" +
" \t\t >\n" +
" \t<student number=\"xiaoge_0001\">\n" +
" \t\t<name>zhangsan</name>\n" +
" \t\t<age>18</age>\n" +
" \t\t<sex>male</sex>\n" +
" \t</student>\n" +
"\n" +
"\t<student number=\"xiaoge_0002\">\n" +
"\t\t<name>lisi</name>\n" +
"\t\t<age>24</age>\n" +
"\t\t<sex>female</sex>\n" +
"\t</student>\n" +
"\t\t \n" +
" </students>";
Document document = Jsoup.parse(str);
System.out.println(document);
*/
// 3. 第三种获取Document对象 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://baike.baidu.com/item/jsoup/9012509?fr=aladdin");
// 第二个参数超时时间, 过了这个时间就不访问了
Document document = Jsoup.parse(url, 10000);
System.out.println(document);
}
}
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
* 代码:
package cn.xiaoge.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;
import java.net.URL;
/**
* @Author: HWB
* @DateTime: 2020/1/23 下午10:15
* @Description: Document/Element对象功能
*/
public class JsoupDemo3 {
public static void main(String[] args) throws IOException {
// 1. 导入jar包
// 2. 获取Document对象, 根据xml文件获取
// 2.1 获取student.xml的path
String path = JsoupDemo3.class.getClassLoader().getResource("student.xml").getPath();
// 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xiaoge_001的元素对象们
Elements elements2 = document.getElementsByAttributeValue("number", "xiaoge_0001");
System.out.println(elements2);
System.out.println("--------------------------------------------");
// 3.4 获取id属性值的元素对象, 元素属性, 必须是id这个字符串
Element element = document.getElementById("xiaoge");
System.out.println(element);
}
}
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
1. 获取子元素对象:
* 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
2. 获取属性值
* String attr(String key): 根据属性名称获取属性值
3. 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(包括子标签的标签和文本内容)
4. 代码:
package cn.xiaoge.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;
/**
* @Author: HWB
* @DateTime: 2020/1/23 下午10:15
* @Description: Element对象功能
*/
public class JsoupDemo4 {
public static void main(String[] args) throws IOException {
// 1. 导入jar包
// 2. 获取Document对象, 根据xml文件获取
// 2.1 获取student.xml的path
String path = JsoupDemo4.class.getClassLoader().getResource("student.xml").getPath();
// 获取Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
/**
* Element: 元素对象
* 1. 获取子元素对象:
* * 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
* 2. 获取属性值
* * String attr(String key): 根据属性名称获取属性值
* 3. 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(包括子标签的标签和文本内容)
*
*/
// 通过Document对象获取name标签, 获取所有的name标签, 可以获取到两个
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 elementStudent = document.getElementsByTag("student").get(0);
Elements elementName = elementStudent.getElementsByTag("name");
System.out.println(elementName.size());
System.out.println("-------------------------");
// 获取student对象的属性值
String attrValue = elementStudent.attr("number");
System.out.println(attrValue);
System.out.println("-------------------------");
// 获取name对象的下的所有纯文本内容
String text = elementName.text();
System.out.println(text);
System.out.println("--------------------------");
// 获取name对象下的子标签及内容-->以字符串形式显示
String html = elementName.html();
System.out.println(html);
}
}
5. Node: 节点对象
* 是Document和Element的父类
* 快捷查询的方式:
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
* 代码:
package cn.xiaoge.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;
/**
* @Author: HWB
* @DateTime: 2020/1/23 下午10:15
* @Description: Element对象功能
*/
public class JsoupDemo5 {
public static void main(String[] args) throws IOException {
// 1. 导入jar包
// 2. 获取Document对象, 根据xml文件获取
// 2.1 获取student.xml的path
String path = JsoupDemo5.class.getClassLoader().getResource("student.xml").getPath();
// 获取Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
// 3. 查询name标签
/*
div{
}
*/
Elements elements = document.select("name");
System.out.println(elements);
System.out.println("--------------------------");
// 4. 查询id值为xiaoge的元素
Elements elements1 = document.select("#xiaoge");
System.out.println(elements1);
System.out.println("--------------------------");
// 5. 获取student标签并且number属性值为xiaoge_0001的age子标签
// 5.1 获取student标签并且number属性值为xiaoge_0001的标签
Elements elements2 = document.select("student[number=xiaoge_0001]");
System.out.println(elements2);
System.out.println("--------------------------");
// 5.2 获取student标签并且number属性值为xiaoge_0001的age子标签
Elements elements3 = elements2.select("student[number=xiaoge_0001] > age");
System.out.println(elements3);
}
}
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
* 文档链接: https://www.w3school.com.cn/xpath/xpath_syntax.asp
* 代码:
package cn.xiaoge.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 org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
import java.util.List;
/**
* @Author: HWB
* @DateTime: 2020/1/23 下午10:15
* @Description: XPath语法
*/
public class JsoupDemo6 {
public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
// 1. 导入jar包
// 2. 获取Document对象, 根据xml文件获取
// 2.1 获取student.xml的path
String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
// 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. 结婚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的属性值为xiaoge
List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='xiaoge']");
for (JXNode jxNode : jxNodes4) {
System.out.println(jxNode);
}
}
}