XML

技术笔记►Web后端 , , 评论

XML概述

参考手册

  • 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
      • 作为配置文件
      • 在网络中传输
  • XML与HTML：
    • 都是w3c（万维网联盟）的产物
    • xml的标签都是自定义的，html的标签是预定义的；
    • xml的语法严格，html的语法松散；
    • xml是存储数据的，html是展示数据的。

基本语法

  • xml文档的后缀名为xml;
  • xml文档的第一行定义为文档声明。
  • xml中有且仅有一个根标签。
  • 属性值必须用引号（单双均可）引起来。
  • 标签必须正确关闭（要么是围堵标签，要么是自闭和标签）;
  • xml标签名称区分大小写。

组成部分

  1. 文档声明
    1. 格式：<?xml 属性列表 ?>
    2. 属性列表：
      1. version:版本号，必须的属性;
      2. 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
      3. standalone:是否独立，一般不会用
      • yes：不依赖于其他文件
      • no：依赖其他文件
  2. 指令
    1. 示例：<?xml-stylesheet type="text/css" href="a.css">
  3. 标签
    • 名称可以含字母、数字以及其他的字符
    • 名称不能以数字或者标点符号开始
    • 名称不能以字符 “xml”（或者 XML、Xml）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[需要展示的数据]]>

约束

  • 约束：规定XML文档的书写规则
  • XML与约束之间的关系图：
  • 分类：
    • DTD:简单的约束技术
    • Schema:复杂的约束技术
  • DTD：
    • 参考资料
    • 约束文件名的后缀为.dtd
    • 引入dtd文档到xml文档中，之后如果xml的书写不满足dtd文档的规范，则会报错。
      • 内部dtd：将约束规则定义在xml文档中
        • 样式；<!DOCTYPE 根标签名 [dtd约束规则内容]>
      • 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文件在本机的位置（相对路径）">
        • 网络:<!DOCTYPE 根标签名 PUBLIC "dtd在本地的文件名""dtd文件在网络的位置（URL）">
    • 无法规定标签内的内容
  • Schema:
    • 参考资料
    • 是DTD的替代者，可以规定标签体内的内容格式。
    • Schema文档的后缀名为.xsd
    • 在xml文档中引入Schema文档：
      1. 填写xml文档的的根元素
      2. 引入xsi前缀：xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance",后面的内容又很多种选择，可以根据ide的提示内容来选择。
      3. 引入xsd文件的命名空间：xsi:schemaLocation="http://www.w3school.com.cn note.xsd"前面的内容可以自定义，后面的内容是xsd文件名
      4. 为每一个xsd约束声明一个前缀，作为标识：xmlns="http://www.w3school.com.cn或者xmlns:a="http://www.w3school2.com.cn,如果没有指定前缀的话则默认为空前缀。
      5. 引入的每个xsd文件对应一个前缀，该xsd文件内的标签在使用时必须带上该xsd文件的前缀，（空前缀除外）。如：<students></students>和<a:students></a:students>

解析

  • 对xml文档的操作：
    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。
      1. 优点：操作方便，可以对文档进行CRUD的所有操作。
      2. 缺点:因为一次性读取，且DOM树占内存，所以十分消耗内存。
    2. SAX：逐行读取，基于事件驱动的。
      1. 优点：不占内存
      2. 缺点：只能读取，不能CRUD。
  • XML常见的解析器：基于不同的解析的方式写出来的工具包。
    • JAXP：sun公司提供的解析器，支持DOM和SAX思想，不常用。
    • DOM4J:非常优秀的基于DOM思想的解析器。
    • 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。也可以用来解析XML。
    • PULL：Android操作系统内置的解析器，基于SAX思想。

Jsoup

快速入门

  • 步骤：
    1. 导入jar包
      1. 在官网下载jar包
    2. 获取Document对象
      1. 获取对应xml的路径：String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();即：String path = 类名.class.getClassLoader().getResource("xml文档名").getPath();
      2. 解析xml文档，加载文档进内存，获取DOM树（对应Document对象）：Document document = Jsoup.parse(new File(path),"utf-8"); 即：Document document = Jsoup.parse(new File(path),"和xml文档一致的字符集");
    3. 获取对应的标签（Element对象）
      1. Elements elements = document.getElementsByTagName("student");
    4. 获取数据
      1. 获取元素对象：Elements elements = document.getElementsByTag("name");即：Elements elements = Document对象名.getElementsByTag("标签名");
      2. Elements是一个类似集合的对象，它里面会依次存好符合条件的所有元素对象。
        1. 获取指定对象:elements.get(0);
        2. 获取指定对象，如：elemets.get(0).text();
  • 示例：
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;

public class JsoupDemo1 {

    public static void main(String[] args) throws IOException {
        //1.获取Document对象
        //1.1获取xml文件的路径
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //1.2获取Document对象
        Document document = Jsoup.parse(new File(path), "UTF-8");

        //2.获取对应的xml标签

        Elements e =  document.getElementsByTag("student");

        System.out.println(e.text());
    }
}

对象的使用

  • Jsoup:工具类，可以解析html或xml文档，返回Document对象
    • parse方法：解析html或者xml文档，返回Document对象
      • parse(File in ,String charseName):解析本地的xml或html文件
      • parse(String html):解析xml或者html字符串；
      • parse(URL url, int timeoutMills);:通过网络路径获取指定的html或xml的文档对象。（可以用来爬虫）
        • timeoutMills：指的是超时时间，如果超过这个时间还没有响应的话则认为获取失败。
  • Document:文档对象，代表内存中的DOM树
    • 用于获取任意Element对象：
      • getElementById(String id):根据id属性值获取唯一的element对象；
      • getElemnetsByTag(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的集合
      • getElementsByAttributeValue(String key, String value):根据对应的属性名和属性值获取元素的集合。
  • Elements：元素ELement对象的集合，可以当作ArrayList<Element>来使用
  • Element：元素对象
    • 同样的方法但是只能获取当前元素的子元素对象：
      • getElementById(String id):根据id属性值获取唯一的element对象；
      • getElemnetsByTag(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的集合
      • getElementsByAttributeValue(String key, String value):根据对应的属性名和属性值获取元素的集合。
    • 获取属性：
      • 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）
  • Node：节点对象。
    • 是Document和Element的父类。

快速查询

selector:选择器

  • 使用的方法：Elements select(String cssQuery);
  • 语法：
    • cssQuery是将css选择器的写法，写到一个字符串中，可以类比css选择器理解
    • 参照jsoup-javadoc中的网页文档查找selector理解。
  • 示例：
//查询name标签
Elements elements = document.select("name");
//查询id值为zhangjie的元素
ELements elements = document.select("#zhangjie");
//获取student标签并且number属性值为java的age子标签

//1.获取student标签并且number属性值为java
Elements elements = document.select("student[number=\"java\"]");
//2.获取age子标签
Elements elemetns = document.select("student[number=\"java\"] > age");

XPath

参考文档

  • XPath是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航。
  • 使用Jsoup的xpath需要额外jar包：JsoupXpath-x.x.x.jar
  • 使用步骤：
    1. 获取Document对象
    2. 根据Document对象创建JXDocument对象：
      1. JXDocument jxDocument = new JXDocument(document);
    3. 集合xpath语法查询
      1. List<JXNode> jxNodes = jxDocument.selN("xpath语法");
  • 示例：
//查询所有student标签
List<JXNode> jxNodes = jxDocuement.selN("//student");
//查询所有student标签下的name标签
List<JXNode> jxNodes = jxDocument.selN("//student/name");
//查询student标签下带有id属性的name标签且id属性值为zhangjie
List<JXNode> jxNodes = jxDocument.selN("//student/name[@id='zhangjie']);

Zestaken计算机小白一枚

吾好梦中读书~