文章目录
- XML
- 组成部分
- 约束
- 解析
- 解析xml的方式
- xml常见的解析器
- Jsoup详解
- Jsoup 相关对象的使用:
- 快捷查询方式
XML
概念:Extensible Markup Language 可扩展标记语言。
功能:存储数据
- 配置文件
- 在网络中传输
xml与html的区别:
3. xml标签都是自定义的,html标签是预定义。
4. xml的语法严格,html语法松散
5. xml是存储数据的,html是展示数据
历史:
html 与 xml 都是万维网联盟(w3c)搞出来的,最开始有的 html,但是因为 html 语法结构松散,后面造出的 xml 为了替换 html,但是由于 html 大家已经用习惯了,所以并没有被替换。而 xml 因为标签可以自定义并且语法严格,所以现在多用于存储数据。
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
- 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
- 取值:
- 格式:
-
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
- 规则:
-
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 ]]>
- 格式:
- CDATA区:在该区域中的数据会被原样展示
<?xml version="1.0" encoding="utf-8" standalone='no' ?>
<users><user id='1'><name>张三</name><age>23</age><gender>male</gender><br/></user><user id='2'><name>lisi</name><age>24</age><gender>female</gender><code>// 不推荐if(a < b && a > c){}// 推荐<![CDATA[if(a < b && a > c) {}]]]></code></user>
</users>
约束
规定xml文档的书写规则
-
作为框架的使用者(程序员):
- 能够在xml中引入约束文档
- 能够简单的读懂约束文档
-
分类:
- DTD:一种简单的约束技术【了解即可】
- 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">
- 本地:
- 引入dtd文档到xml文档中
-
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.xxx.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.xxx.cn/xml”
- 引入:
举例
student.xsd
<?xml version="1.0"?>
<xsd:schema xmlns="http://www.xxx.cn/xml"xmlns:xsd="http://www.w3.org/2001/XMLSchema"targetNamespace="http://www.xxx.cn/xml" elementFormDefault="qualified"><xsd:element name="students" type="studentsType"/><xsd:complexType name="studentsType"><xsd:sequence><xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/></xsd:sequence></xsd:complexType><xsd:complexType name="studentType"><xsd:sequence><xsd:element name="name" type="xsd:string"/><xsd:element name="age" type="ageType" /><xsd:element name="sex" type="sexType" /></xsd:sequence><xsd:attribute name="number" type="numberType" use="required"/></xsd:complexType><xsd:simpleType name="sexType"><xsd:restriction base="xsd:string"><xsd:enumeration value="male"/><xsd:enumeration value="female"/></xsd:restriction></xsd:simpleType><xsd:simpleType name="ageType"><xsd:restriction base="xsd:integer"><xsd:minInclusive value="0"/><xsd:maxInclusive value="256"/></xsd:restriction></xsd:simpleType><xsd:simpleType name="numberType"><xsd:restriction base="xsd:string"><xsd:pattern value="heima_\d{4}"/></xsd:restriction></xsd:simpleType>
</xsd:schema>
使用:
<?xml version="1.0" encoding="UTF-8" ?>
<!-- 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.xxx.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.xxx.cn/xml" -->
<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xmlns="http://www.xxx.cn/xml"xsi:schemaLocation="http://www.xxx.cn/xml student.xsd"
><student number="heima_0001"><name>tom</name><age>18</age><sex>male</sex></student></students>
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
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
web 一般用 DOM 思想,而对一些嵌入式设备则使用 SAX 思想。
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详解
- 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:
- 导入jar包
- 获取Document对象
- 获取对应的标签Element对象
- 获取数据
- 步骤:
-
代码:
-
package cn.xxx.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;/*** Jsoup快速入门*/
public class JsoupDemo1 {public static void main(String[] args) throws IOException {//2.获取Document对象,根据xml文档获取//2.1获取student.xml的pathString 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--->DocumentDocument document = Jsoup.parse(new File(path), "utf-8");//3.获取元素对象 ElementElements 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);}}
Jsoup 相关对象的使用:
- 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
- parse:解析html或xml文档,返回Document
- 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
- 获取Element对象
- Elements:元素Element对象的集合。可以当做 ArrayList来使用
- Element:元素对象
-
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
-
获取属性值
- 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(包括字标签的字符串内容)
-
- Node:节点对象
- 是Document和Element的父类
示例:
package cn.xxx.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;/*** Jsoup对象功能*/
public class JsoupDemo2 {public static void main(String[] args) throws IOException {//2.1获取student.xml的pathString 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树--->Document/* Document document = Jsoup.parse(new File(path), "utf-8");System.out.println(document);*///2.parse(String html):解析xml或html字符串/* String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +"\n" +"<students>\n" +"\t<student number=\"heima_0001\">\n" +"\t\t<name>tom</name>\n" +"\t\t<age>18</age>\n" +"\t\t<sex>male</sex>\n" +"\t</student>\n" +"\t<student number=\"heima_0002\">\n" +"\t\t<name>jack</name>\n" +"\t\t<age>18</age>\n" +"\t\t<sex>female</sex>\n" +"\t</student>\n" +"\n" +"</students>";Document document = Jsoup.parse(str);System.out.println(document);*///3.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");//代表网络中的一个资源路径Document document = Jsoup.parse(url, 10000);System.out.println(document);}}
package cn.xxx.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;/*** Document/Element对象功能*/
public class JsoupDemo3 {public static void main(String[] args) throws IOException {//1.获取student.xml的pathString path = JsoupDemo3.class.getClassLoader().getResource("student.xml").getPath();//2.获取Document对象Document document = Jsoup.parse(new File(path), "utf-8");//3.获取元素对象了。//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("-----------");//3.2获取 number属性值为heima_0001的元素对象Elements elements2 = document.getElementsByAttributeValue("number", "heima_0001");System.out.println(elements2);System.out.println("-----------");//3.3获取id属性值的元素对象Element xxx = document.getElementById("xxx");System.out.println(xxx);}}
package cn.xxx.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;/***Element对象功能*/
public class JsoupDemo4 {public static void main(String[] args) throws IOException {//1.获取student.xml的pathString path = JsoupDemo4.class.getClassLoader().getResource("student.xml").getPath();//2.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():获取所有字标签的纯文本内容* 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 element_student = document.getElementsByTag("student").get(0);Elements ele_name = element_student.getElementsByTag("name");System.out.println(ele_name.size());//获取student对象的属性值String number = element_student.attr("NUMBER");System.out.println(number);System.out.println("------------");//获取文本内容String text = ele_name.text();String html = ele_name.html();System.out.println(text);System.out.println(html);}}
快捷查询方式
- selector:选择器,和js中的id/类选择器差不多
- 使用的方法:Elements select(String cssQuery)
- 语法:参考Selector类中定义的语法
- 使用的方法:Elements select(String cssQuery)
- 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
package cn.xxx.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;/***选择器查询*/
public class JsoupDemo5 {public static void main(String[] args) throws IOException {//1.获取student.xml的pathString path = JsoupDemo5.class.getClassLoader().getResource("student.xml").getPath();//2.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xxx的元素Elements elements1 = document.select("#xxx");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_0001Elements 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 elements3 = document.select("student[number=\"heima_0001\"] > age");System.out.println(elements3);}}
package cn.xxx.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;/***XPath查询*/
public class JsoupDemo6 {public static void main(String[] args) throws IOException, XpathSyntaxErrorException {//1.获取student.xml的pathString 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xxxList<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='xxx']");for (JXNode jxNode : jxNodes4) {System.out.println(jxNode);}}}