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（可以跨平台，跟语言没有关系）- 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
2. 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>
<br/>
</user>
<user id='2'>
<name>lisi</name>
<age>24</age>
<gender>female</gender>
</user>
</users>
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(1.0即可，1.1不向下兼容)
- 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（一般可以不设置）
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
- <?xml-stylesheet type="text/css" href="a.css" ?>
- 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
- 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（如图1.1.1）
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：<mark>(DTD没法约束内容)</mark>
引入dtd文档到xml文档中
1. 内部dtd：将约束规则定义在xml文档中（不常用）>
2. 外部dtd：将约束的规则定义在外部的dtd文件中
3. 本地：<!DOCTYPE 根标签名 SYSTEM “dtd文件的位置”>
4. 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，多取的是别名，如果没有别名，表示空别名 xmlns="http://www.itcast.cn/xml"
约束图片：
Schema引用如下所示：
<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">
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。持久化的存储
解析xml的方式：服务器端一般都是DOM，移动端用SAX
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（手机不能用）
2. SAX：逐行读取，基于事件驱动的。（根据标签名触发***）
- 优点：不占内存。（读一行释放一行内存）
- 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（性能比较差）
- 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。（只支持DOM）
- 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：
xml文档：
<?xml version="1.0" encoding="UTF-8" ?>
<students>
<student number="heima_0001">
<name>张三</name>
<age>23</age>
<sex>female</sex>
</student>
<student number="heima_0002">
<name>李四</name>
<age>18</age>
<sex>male</sex>
</student>
</students>
测试代码：
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;
/** * 快速入门 */
public class JsoupDemo {
public static void main(String[] args) throws IOException {
//1.获取Document对象，根据xml文档获取
//1.1获取student.xml的path
String path = Jsoup.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);
}
}
结果：
2
张三
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
第二种方式代码（不常用）
public class JsoupDemo {
public static void main(String[] args) throws IOException {
//1.获取Document对象，根据xml文档获取
//1.1获取student.xml的path
String path = Jsoup.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
String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
"\n" +
"<students>\n" +
"\t<student number=\"heima_0001\">\n" +
"\t\t<name>张三</name>\n" +
"\t\t<age>23</age>\n" +
"\t\t<sex>female</sex>\n" +
"\t</student>\n" +
"\t<student number=\"heima_0002\">\n" +
"\t\t<name>李四</name>\n" +
"\t\t<age>18</age>\n" +
"\t\t<sex>male</sex>\n" +
"\t</student>\n" +
"</students>";
Document document = Jsoup.parse(str);
System.out.println(document);
}
}
第三种方式（解析Html）
public class JsoupDemo {
public static void main(String[] args) throws IOException {
//1.获取Document对象，根据xml文档获取
//1.1获取student.xml的path
String path = Jsoup.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
URL url = new URL("https://www.baidu.com/");
Document document = Jsoup.parse(url,5000);
System.out.println(document);
}
}
- Document：文档对象。代表内存中的dom树
1. 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
- Elements：元素Element对象的集合。可以当做ArrayList<Element>来使用
- 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(不区分大小写)
3. 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(包括字标签的字符串内容)
- Node：节点对象
- 是Document和Element的父类
快捷查询方式：
- selector:选择器(一般在Document中调用，也可以在Element中调用)
- 使用的方法：Elements select(String cssQuery)
- 语法：传入一个css语法的字符串
- 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
XPATH语法：
下面列出了最有用的路径表达式：
在下面的表格中，已列出了一些路径表达式以及表达式的结果：
选择器代码：
public class JsoupDemo {
public static void main(String[] args) throws IOException {
//1.获取Document对象，根据xml文档获取
//1.1获取student.xml的path
String path = Jsoup.class.getClassLoader().getResource("student.xml").getPath();
//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.查询name标签
Elements elements = document.select("name");
System.out.println(elements);
System.out.println("------------");
//4.查询id值为itcast的元素
Elements elements1 = document.select("#itcast");
System.out.println(elements1);
System.out.println("------------");
//5.获取student标签并且number属性值为heima_0001的age子标签
//5.1.获取student标签并且number属性值为heima_0001
Elements elements2 = document.select("student[number=\"heima_0001\"]");
System.out.println(elements2);
System.out.println("------------");
//5.2获取student标签并且number属性值为heima_0001的age子标签
Elements select = document.select("student[number=\"heima_0001\"] > age");
System.out.println(select);
}
}
XPATH代码：
public class JsoupDemo {
public static void main(String[] args) throws Exception {
//1.获取Document对象，根据xml文档获取
//1.1获取student.xml的path
String path = Jsoup.class.getClassLoader().getResource("student.xml").getPath();
//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.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student标签下带有id属性的name标签 并且id属性值为itcast
List<JXNode> jxNodes = jxDocument.selN("//student/name[@id = 'itcast']");
System.out.println(jxNodes);
}
}
结果：
[<name id=“itcast”>
张三
</name>]
京公网安备 11010502036488号