xml知识笔记【DTD、Schema约束】【Jsoup解析器】【XPath】

今日内容

XML

1. 概念
2. 语法
3. 解析

XML

概念：

Extensible Markup Language 可扩展标记语言

可扩展

标签都是自定义的。

<user></user>

<student></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

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文档中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. 标签必须正确关闭
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>
		<br/>
	</user>
	
	<user id='2'>
		<name>lisi</name>
		<age>24</age>
		<gender>female</gender>
	</user>
</users>

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(了解)：结合css的

   <?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[ 数据 ]]>

   约束

规定xml文档的书写规则
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

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">

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 xmlns="http://www.itcast.cn/xml"

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。(后期用的不是很多，暂不讲解)

解析xml的方式

1. DOM：将标记语言文档一次性加载进内存，在内存中形成一棵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

xml常见的解析器

		1. JAXP：sun公司提供的解析器，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：

//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树--->Document
  Document document = Jsoup.parse(new File(path), "utf-8");
  //3.获取元素对象 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);

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(重点)
   • parse​(String html)：解析xml或html字符串(不常用，了解)
   • parse​(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象(解析html常用)

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

   /*doucument/element对象功能，document继承自element*/
   public class JsoupDemo2 {
         
         
   
       public static void main(String[] args) throws IOException {
         
         
           String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
           Document document = Jsoup.parse(new File(path), "utf-8");
           Elements names = document.getElementsByTag("name");
           System.out.println(names.size());
           for (int i = 0; i < names.size(); i++) {
         
         
               Element name = names.get(i);
               String value = name.text();
               System.out.println(value);
           }
           System.out.println("----------------------");
           Elements numbers = document.getElementsByAttribute("number");
           System.out.println(numbers);
           System.out.println("----------------------");
           Elements elements2 = document.getElementsByAttributeValue("number", "stu_0002");
           System.out.println(elements2);
           System.out.println("----------------------");
           Element element1 = document.getElementById("1001");
           System.out.println(element1);
       }
   }
   

3. Elements：元素Element对象的集合。可以当作ArrayList<Element>来使用

4. 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)

       @Test
       public void test1(){
         
         
           /*element对象功能*/
           String path = JsoupDemo3.class.getClassLoader().getResource("student.xml").getPath();
           try {
         
         
               Document document = Jsoup.parse(new File(path), "utf-8");
               Elements elements = document.getElementsByTag("student");
               Element element = elements.get(0);
               Elements ele_name = element.getElementsByTag("name");
               System.out.println(ele_name);
               System.out.println("--------------------------");
               String number = element.attr("number");
               System.out.println(number);
               System.out.println("--------------------------");
               String text = ele_name.text();
               System.out.println(text);
               String html = ele_name.html();
               System.out.println(html);
           } catch (IOException e) {
         
         
               e.printStackTrace();
           }
   
       }
   

5. Node：节点对象

   • 是Document和Element的父类

快捷查询方式：

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

代码案例：

    @Test
    public void test2(){
    
    /*selector*/

        String path = JsoupDemo3.class.getClassLoader().getResource("student.xml").getPath();
        try {
    
    
            Document document = Jsoup.parse(new File(path), "utf-8");
            Elements elements1 = document.select("name");
            System.out.println(elements1);
            System.out.println("-----------------------------");
            Elements elements2 = document.select("#1001");/*获取id值为1001的元素*/
            System.out.println(elements2);
            System.out.println("-----------------------------");
            Elements elements3 = document.select("student[number=\"stu_0002\"]");
            System.out.println(elements3);
            System.out.println("-----------------------------");
            Elements elements4 = document.select("student[number=\"stu_0002\"] > sex");
            System.out.println(elements4);
        } catch (IOException e) {
    
    
            e.printStackTrace();
        }

    }

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。(JsoupXpath-0.3.2.jar)
• 查询w3cshool参考手册，使用xpath的语法完成查询

代码案例：

 @Test
    public void test3(){
    
    /*Xpath*/

        String path = JsoupDemo3.class.getClassLoader().getResource("student.xml").getPath();
        try {
    
    
            Document document = Jsoup.parse(new File(path), "utf-8");
            /*根据document对象，创建JXDocument对象*/
            JXDocument jxDocument = new JXDocument(document);
            List<JXNode> jxNodes1 = jxDocument.selN("//student");
            for (JXNode jxNode : jxNodes1) {
    
    
                System.out.println(jxNode);
            }
            System.out.println("-------------------------");
            List<JXNode> jxNodes2 = jxDocument.selN("//student/age");
            for (JXNode jxNode : jxNodes2) {
    
    
                System.out.println(jxNode);
            }
            System.out.println("-------------------------");
            List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
            for (JXNode jxNode : jxNodes3) {
    
    
                System.out.println(jxNode);
            }
            System.out.println("-------------------------");
            List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='name2']");
            for (JXNode jxNode : jxNodes4) {
    
    
                System.out.println(jxNode);
            }
        } catch (IOException e) {
    
    
            e.printStackTrace();
        } catch (XpathSyntaxErrorException e) {
    
    
            e.printStackTrace();
        }

    }