1.XML概念
XML：Extensible Markup Language，可扩展标记语言
可扩展：标签都是自定义的，想写啥写啥，只要符合标签的命名
2.XML功能——存储数据
- XML作为
配置文件 - 数据存起来后可以
在网络中传输（XML是纯文本的，它和语言和平台都无关）
3.XML和HTML区别
扩展——W3C：万维网联盟，94年创建，发布了许多影响深远的web技术标准及实施指南，其中就 包含XML和HTML
XML和HTML区别：
- XML标签都是自定义的，HTML标签都是预定义的
- XML语法严格，HTML语法松散
- XML是存储数据的，HTML是展示数据的
4.XML语法
4.1.简单XML代码
在桌面创建一个文件，XML文件的后缀是“.xml”，可以用Notepad打开后写入一段入门的XML代码：
<?xml version = '1.0'?>
<users>
<user id = "1">
<name>zhangsan</name>
<age>23</age>
<gender>male</gender>
</user>
<user id = "2">
<name>lisi</name>
<age>22</age>
<gender>female</gender>
</user>
</users>
如何验证自己写的XML代码对不对呢？XML文档可以被所有浏览器解析，所以浏览器中有对应的XML解析引擎，只要将XML文件放进来不报错，那么就说明XML代码没问题，如下：
4.2.基本语法
- XML文档的
后缀名“.xml” - 文档第一行（前面不能有空行或空格）必须有
文档声明 - XML文档中有且只有一个
根标签 属性值必须用引号引起来，单双引号都可以`- 必须
正确闭合，要么自闭和，如
，要么有开始标签有结束标签互相匹配 - XML标签
区分大小写
4.3.组成部分
4.3.1.文档声明
4.3.1.1.格式
<?xml 属性列表?>：注意，问号和xml之间没有空格
4.3.1.2.属性列表
- version：版本号，写1.0，
不写version会报错 - encoding：编码方式，告知解析引擎，当前文档使用的字符集，
默认ISO-8859-1 - standalone：是否独立，有yes（不依赖其他文件）和no（依赖其他文件）两个值，在实际中
很少专门去设置
4.3.2.指令
结合css使用
4.3.3.标签
标签名称自定义，自定义规则如下：
- 名称可以包含字符、数字以及其他的字符
- 名称不能以数字或标点符号开始
- 名称不能以xml（或XML、Xml等）开始
- 名称不能包含空格
4.3.4.属性
id属性值唯一
4.3.5.文本
特殊字符要转义，比如大于号小于号等，为了更方便，我们有一个CDATA区，格式如下：
<![CDATA[
要展示的数据
]]>
示例如下：
<code>
<!--编写代码：if(a < b && a > c){}-->
<!--转义-->
if(a < b && a > c){}
<!--CDATA块-->
<![CDATA[
if(a < b && a > c){}
]]>
</code>
4.3.6.注释
<!--注释内容-->
5.XML约束
5.1.约束文档基本概念
谁编写XML？——用户，软件使用者
谁解析XML：——软件
作为我们，需要：
- 能够
在xml中引入约束文件 - 能够
简单地读懂（许多开发环境能够自动地根据约束文档提供相应提示，我们只需要简单读懂即可）约束文档
5.2.约束文档的技术实现
市面上的约束文档主要分两类：
- DTD：简单的约束技术
- Schema：比较复杂的约束技术
5.2.1.DTD约束
一个简单的DTD约束文档：
5.2.1.1.DTD的引入
内部的DTD（不常用）
将约束的规则定义在xml文档中
外部的DTD
将约束的规则定义在外部的DTD文件中，外部DTD分两种：
- 本地：
- 网络：
5.2.1.2.DTD的缺点
约束性不够强
5.2.2.Schema约束
一个简单的Schema约束文档：
每个自定义类型都进行了更详细的定义
5.2.2.1.引入Schema约束
- 填写XML文档的根元素
- 引入xsi前缀
- 引入xsd文件命名空间
- 为每一个xsd约束声明一个前缀作为标识
6.XML解析
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
6.1.解析XML的方式：
6.1.1.DOM
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
DOM优点：
- 操作方便，可以对文档进行CRUD的所有操作
DOM缺点：
- 一次性加载所有东西进内存，当文件特别大时，生成的树形结构非常占内存
6.1.2.SAX
SAX：逐行读取，基于事件驱动的
SAX优点：内存中永远只有一行，不占内存，适用于内存较小的设备
SAX缺点：只能读取，不能增删改
6.2.XML常见的解析器
6.2.1.JAXP（使用少）
由Sun公司提供，支持DOM和SAX两种思想
6.2.2.DOM4J（优秀）
基于DOM的优秀解析器
6.2.3.jsoup
一款Java的HTML解析器，可以直接解析某个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的操作方法来读取操作数据
6.2.3.1.jsoup快速入门
步骤：
- 导入jar包
- 获取Document对象，代表整个DOM树形结构
获取方法：
- 从一个URL、文件或字符串中解析
- 使用DOM或CSS选择器来查找、取出数据
- 可操作元素、属性、文本
- 获取对应的标签：Element对象
- 获取数据
6.2.3.2.jsoup对象的使用
Jsoup：工具类，解析HTML或XML文档，返回Document，主要了解parse方法
parse：解析解析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的对象，比较常见，做爬虫时会用到
Document：继承自Element，是文档对象，代表内存中的DOM树
主要用于获取Element对象：
- getElementById(String tagName)：根据ID属性值获取唯一的Element对象（用的不多）
- getElementByTag(String tagName)：根据标签名称获取元素对象集合
- getElementByAttribute(String key)：根据属性名称获取元素对象集合
- getElementByAttributeValue(String key, String value)：根据对应的属性名和属性值来获取元素对象集合
Elements：元素的Element对象的集合，可以当做ArrayList<Element>来使用Element：元素对象，可以获取元素对象、属性值、文本内容等
1.获取子元素对象：
- getElementById(String tagName)：根据ID属性值获取唯一的Element对象（用的不多）
- getElementByTag(String tagName)：根据标签名称获取元素对象集合
- getElementByAttribute(String key)：根据属性名称获取元素对象集合
- getElementByAttributeValue(String key, String value)：根据对应的属性名和属性值来获取元素对象集合
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
纯文本内容- String html()：获取标签体的所有内容（包括子标签标签体的字符串内容）
Node：节点对象，是Document和Element对象的父类
6.2.3.3.jsoup提供的快捷查询方式
selector：选择器，熟知语法的话查询层次较深的内容比较方便
1.使用的方法：Elements select(String cssQuery)
2.语法：参考Selector类中定义的语法
3.一个比较复杂的例子：
XPath：XPath即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jsoup的XPath要
额外导入一个Jar包，因为XPath虽用于XML查询，但是它本身和XML是相互独立的
查询W3CSchool参考手册使用XPath的语法完成查询
6.2.4.PULL
基于Android操作系统的解析器，SAX方式