XML（可扩展标记语言）学习

Bertha 。 2023-10-07 10:03 14阅读 0赞

#### 文章目录 ####

*   *  1.XML的概念
     *   *  1.1 XML和HTML的区别
         *  1.2 XML的功能
     *  2.XML语法
     *   *  2.1 基本语法
         *   *  练习
         *  2.2 组成部分
         *  2.3 约束文档
     *  3.XML的解析
     *   *  3.1 jsoup 解析器

### 1.XML的概念 ###

*  XML(Extensible Markup Language)，可扩展标记语言。  
    **可扩展**：标签是用户定义的

#### 1.1 XML和HTML的区别 ####

*  XML 标签都是自定义的，HTML 标签是预定义。
 *  XML 是用于存储数据的，HTML 是用于展示数据的
 *  XML 的语法严格，HTML 语法松散

#### 1.2 XML的功能 ####

**用来存储数据**

*  作为配置文件使用（代替 properties)
 *  在网络中传输

### 2.XML语法 ###

#### 2.1 基本语法 ####

*  XML 文档的后缀名为 .xml
 *  XML 第一行必须定义为文档声明，如：

<?xml version='1.0'?>

*  XML 文档中有且仅有一个根标签（一个没有或者有多个会报错）
 *  XML 属性值必须使用引号（单双都可）引起来
 *  XML 标签必须正确关闭，围堵标签或者自闭和标签都行
 *  XML 标签名称区分大小写

##### 练习 #####

<?xml version='1.0'?>
    <users>
    	<user id='1'>
    		<name>张三</name>
    		<age>18</age>
    	</user>
    	<user id='2'>
    		<name>李四</name>
    		<age>19</age>
    	</user>
    </users>

#### 2.2 组成部分 ####

1.文档声明

*  格式
    
        <?xml 属性列表 ?>
 *  属性列表
    
     *  version：版本号（必须有）
     *  encoding：编码方式（默认：ISO-8859-1）
     *  standalone：是否独立，即是否依赖其他文件
     *  yes：不依赖其他文件
     *  no：依赖其他文件

2.标签

*  标签名称都是自定的，但标签名要遵守以下规则：
    
     *  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

3.属性

*  id 属性值唯一

4.文本

*  CDATA 区：在该区域中的数据会被原样展示
 *  CDATA 区的格式
    
        <![CDATA[ 数据 ]]>

#### 2.3 约束文档 ####

1.约束文档的作用

*  约束文档是用来规定 XML 文档的书写规则。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIxOTYz_size_16_color_FFFFFF_t_70]

2.对框架使用者的要求

*  能够在 XML 中引入约束文档
 *  能够简单的读懂约束文档

3.约束文档的技术

*  DTD：一种简单的约束文档技术（有缺陷）
 *  Schema：一种复杂的约束文档技术（DTD 的替代者）

4.DTD 的使用

*  阅读 dtd 文档

<!ELEMENT students (student*) >
    
    <!ELEMENT student (name,age,sex)>
    
    <!ELEMENT name (#PCDATA)>
    
    <!ELEMENT age (#PCDATA)>
    
    <!ELEMENT sex (#PCDATA)>
    
    <!ATTLIST student number ID #REQUIRED>

*  引入 dtd 文档到 XML 中

// 本地的 dtd 文件
    <!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">
    // 网络的 dtd 文件
    <!DOCTYPE 根标签名 PUBLIC "dtd文件名字(任意写)" "dtd文件的位置URL">

*  编写xml

<?xml version="1.0" encoding="UTF-8" ?>
    <!DOCTYPE students SYSTEM "student.dtd">
    <students>
    	<student number="x001">
    		<name>张三</name>
    		<age>18</age>
    		<sex>男</sex>
    	</student>
    	<student number="x002">
    		<name>李四</name>
    		<age>19</age>
    		<sex>男</sex>
    	</student>
    </students>

*  DTD 的缺点
    
    无法规定标签体内字符串的内容（例如，age 可以是数字，也可以是字符串）

5.Schema 的使用

*  阅读 Schema 文档（Schema 文档后缀为 .xsd）
    
        <?xml version="1.0"?>
        <xsd:schema xmlns="http://www.itcast.cn/xml"
                xmlns:xsd="http://www.w3.org/2001/XMLSchema"
                targetNamespace="http://www.itcast.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="x_\d{4}"/>
                </xsd:restriction>
            </xsd:simpleType>
        </xsd:schema>
 *  引入 Schema 文档到 XML 中
    
        <?xml version="1.0" encoding="UTF-8" ?>
        
         <a:students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
        			 xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"
        			 xmlns:a="http://www.itcast.cn/xml"
        >
        	<a:student number="x_0001">
        		<a:name>张三</a:name>
        		<a:age>18</a:age>
        		<a:sex>male</a:sex>
        	</a:student>
        	<a:student number="x_0002">
        		<a:name>李四</a:name>
        		<a:age>19</a:age>
        		<a:sex>female</a:sex>
        	</a:student>
        		 
         </a:students>

### 3.XML的解析 ###

1.XML 解析的概念

*  将 XML 文档中的数据读取到内存中

2.解析 XML 的思想

*  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：如果标记语言文档很大，会占内存
 *  SAX：逐行读取，基于事件驱动
    
     *  优点：不占内存。（适用于内存较小设备，如手机）
     *  缺点：只能读取，不能增删改

3.常见的 XML 解析器

*  DOM4J：一款非常优秀的解析器，支持 DOM
 *  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 操作系统内置解析器 是sax方式

#### 3.1 jsoup 解析器 ####

1.jsoup 的使用步骤

*  导入 jsoup 的 jar 包（jsoup-1.11.2.jar），右键 Add as Library
 *  获取 Document 对象
 *  获取对应的标签 Element 对象
 *  获取数据

2.jsoup 的练习

package com.zt.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;
    
    public class JsoupDemo1 {
        
        public static void main(String[] args) throws IOException {
        
            // 1.获取 Document 对象
            // 1.1获取 student.xml 的文件路径(字符串表示形式）
            String path = JsoupDemo1.class.getClassLoader().getResource("test.xml").getPath();
            // 1.2解析 student.xml文档，加载文档进内存，获取 Document 对象
            Document document = Jsoup.parse(new File(path), "utf-8");
    
            // 2.获取元素对象 Element 集合
            Elements name = document.getElementsByTag("user");
            // 2.1 获取第一个 name
            Element element = name.get(1);
    
            // 3.获取数据
            String text = element.text();
            System.out.println(text);
    
        }
    }

3.jsoup 的对象

*  Jsoup：工具类，可以解析 HTML 或 XML 文档，返回 Document 对象
    
    **方法：**
    
    1.parse(File in, String charsetName)：解析 HTML 或 XML 文档
    
        String path = JsoupDemo1.class.getClassLoader().getResource("test.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
    
    2.parse(URL url, int timeoutMillis)：通过网络路径获取指定的 HTML 或 XML 文档对象（可用于爬虫）
    
        URL url = new URL("https://baike.baidu.com/item/jsoup");
        Document document = Jsoup.parse(url,10000);
 *  Document：文档对象，代表内存中的 DOM 树，主要用于获取 Elements 对象
    
    **方法：**  
    1.getElementById(String id)：根据 id 属性值获取唯一的 element 对象  
    2.getElementsByTag(String tagName)：根据标签名称获取元素对象集合  
    3.getElementsByAttribute(String key)：根据属性名称获取元素对象集合  
    4.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 来使用
 *  Element：元素对象，用于获取子元素对象
    
    **方法：**
    
    1.获取子元素对象（与 Document 方法相同）
    
    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)

4.jsoup快捷查询方式

*  快捷查询方式的作用
    
    要获取某个标签，都是通过根标签开始，一层一层地往下寻找，这样很麻烦。快捷查询方式可以快速定位到我们要获取的标签
 *  常用的快捷查询方式
    
    1.selector：选择器查询
    
     *  方法：Elements select(String cssQuery)
     *  语法：参考 jsoup-1.11.2-javadoc 中 Selector 类中定义的语法
     *  实例：
    
        package com.zt.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 JsoupDemo2 {
              
            public static void main(String[] args) throws IOException {
              
                // 1.获取 Document 对象
                // 1.1获取 student.xml 的文件路径(字符串表示形式）
                String path = JsoupDemo1.class.getClassLoader().getResource("test.xml").getPath();
                // 1.2解析 student.xml文档，加载文档进内存，获取 Document 对象
                Document document = Jsoup.parse(new File(path), "utf-8");
        
                // 查询 name 标签
                Elements user = document.select("name");
                System.out.println(user);
        
                System.out.println("----------");
        
                // 查询 id 值为 X_0001 的元素
                Elements select = document.select("#X_0001");
                System.out.println(select);
        
                System.out.println("----------");
        
                // 查询 id 值为 X_0002 的 user 元素的 age 标签
                Elements select1 = document.select("user[id='X_0002'] age");
                System.out.println(select1);
        
        
            }
        }
    
    2.XPath：XPath 为 XML 路径语言，它是一种用来确定 XML 文档中某部分位置的语言
    
     *  使用：导入 XPath 的 jar 包（JsoupXpath-0.3.2.jar），右键 Add as Library
     *  语法：查询 w3cshool 中 XPath 的语法
     *  实例：
    
        package com.zt.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 java.io.File;
        import java.io.IOException;
        import java.util.List;
        
        public class JsoupDemo3 {
              
            public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
              
                // 1.获取 Document 对象
                // 1.1获取 student.xml 的文件路径(字符串表示形式）
                String path = JsoupDemo1.class.getClassLoader().getResource("test.xml").getPath();
                // 1.2解析 student.xml文档，加载文档进内存，获取 Document 对象
                Document document = Jsoup.parse(new File(path), "utf-8");
        
                // 2.根据 Document 对象，创建 JXDocument 对象
                JXDocument jxDocument = new JXDocument(document);
        
                // 查询 name 标签
                List<JXNode> jxNodes = jxDocument.selN("//name");
                for (JXNode jxNode : jxNodes) {
              
                    System.out.println(jxNode);
                }
                System.out.println("----------");
        
                // 查询 id 值为 X_0001 的 user 元素
                List<JXNode> jxNodes1 = jxDocument.selN("//user[@id='X_0001']");
                for (JXNode jxNode : jxNodes1) {
              
                    System.out.println(jxNode);
                }
                System.out.println("----------");
        
                // 查询 id 值为 X_0002 的 user 元素的 age 标签
                List<JXNode> jxNodes2 = jxDocument.selN("//user[@id='X_0002']/age");
                for (JXNode jxNode : jxNodes2) {
              
                    System.out.println(jxNode);
                }
        
            }
        }

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIxOTYz_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200228210027356.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIxOTYz,size_16,color_FFFFFF,t_70