JavaWeb05_XML学习笔记_解析查询html

XML学习笔记

W3C XML教程：https://www.w3school.com.cn/xml/index.asp

概念

Extensible Markup Language 可扩展标记语言

可扩展

• 标签都是自定义的。

功能

• 存储数据
  • 配置文件
  • 在网络中传输

xml与html的区别

• xml标签都是自定义的，html标签是预定义。
• xml的语法严格，html语法松散
• 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

• 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

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

• 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
  • 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

  • 填写xml文档的根元素

  • 引入xsi前缀. xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

  • 引入xsd文件命名空间. xsi:schemaLocation="http://www.it.cn/xml student.xsd"

  • 为每一个xsd约束声明一个前缀,作为标识

    <students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    				xmlns="http://www.it.cn/xml"
    				xsi:schemaLocation="http://www.it.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

• 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
• 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

• 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

• 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

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

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
  

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
  

Elements

• 元素Element对象的集合。可以当做 ArrayList<Element>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

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

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：https://www.w3school.com.cn/w3c/w3c_xpath.asp，使用xpath的语法完成查询

• 代码：

  				//1.获取student.xml的path
  		        String 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it
  		
  		        List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='it']");
  		        for (JXNode jxNode : jxNodes4) {
  		            System.out.println(jxNode);
  		        }