XML
一、概念
可扩展的标记语言
1、功能
存储数据：可以用作配置文件、在网络中传输
2、xml与html的区别
- xml标签都是自定义的，html标签都是预定义的
- xml的语法严格，html语法松散
- xml是存储数据的，html是展示数据的
二、语法
1、基本语法
- xml文档的后缀名必须为.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（单引号双引号都行）引起来
- 标签必须正确关闭
- xml标签区分大小写
2、组成部分
（1）文档声明
① 格式<?xml 属性列表 ?>
② 属性列表
- version：版本号，该属性为必须属性
- encoding：编码方式。告知解析引擎当前文件使用的字符集
- standalone：是否独立
取值为：yes或者no，如果为yes则不依赖其他文件，如果为no则依赖其他文件
（2）指令：结合css控制xml标签的样式
<?xml-stylesheet type="text/css" href="你的css的路径" ?>
（3）标签：
命名规则：
- 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
可使用任何名称，没有保留的字词。
（4）属性
id属性值唯一，表示元素的唯一表示，但是这个id并不一定是id=什么什么
（5）文本
特殊字符需要用转义符进行转义
CDATA区：在该区域内的数据会被原封不动的展示出来
格式如下：
<![CDATA[ 想要展示的数据 ]]>
3、约束
规定xml文档的书写规则
我们只要能够在xml引入约束文档、能够简单的读懂约束文档就行
约束文档的分类
（1）DTD：一种简单的约束技术
① 外部引入dtd方式：
将约束的规则定义在外部的dtd文件中
分为本地外部约束和网络外部约束
本地外部约束：<!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">
网络外部约束：<!DOCTYPE 根标签名 PUBLIC "dtd文件的名字" "dtd文件的URL位置">
② 内部dtd的引入方式
将dtd文件定义在xml文档中
*dtd文档约束的缺陷
无法设置标签内容中的数据的正确合理性，内容可以随意填写
（2）Schema：一种复杂的约束技术
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"这是一个固定的格式，取值有很多，但是这里我们使用2001的，这里我们引入了之后，就可以通过xsi引入地址 - 引入xsd文件命名空间
xsi:schemaLocation="命名空间 你的schemea文件的路径"：双引号当中的命名空间是随意起的，是给后面的schemea文件的路径起的名字 - 为每一个xsd约束声明一个前缀，作为表示
xmlns：前缀名="命名空间"
如果前缀名不写的话，那么默认表示空前缀，什么都不用写
注意这里的命名空间起的名字，后面的所有标签都需要加上这个前缀，如果单独声明了命名空间的前缀，那么只需要在每个标签前加上声明的前缀即可
三、解析
解析就是操作xml文档，将文档中的数据读取到内存当中
1、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
2、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，可以对文档进行增删改查的操作
- 缺点：因为是一次性加载进内存，所以当xml文档很大的时候加载进来十分的占用内存
（2）SAX：逐行读取，基于事件驱动
- 优点：不占内存
- 缺点：只能读取，不能增删改
3、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，可以通过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，是一种sax方式的解析器
四、Jsoup使用
1、使用步骤
- （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
举例示范
xml文件内容
jsoup使用步骤示范
2、Jsoup中对象的介绍
（1）Jsoup：工具类，可以解析hetml或者xml文档，返回Document
parse：解析xml或者html文件的方法，返回Document，他有很多的重构方法
parse(File in,String charsetName)：解析xml或者html文件的parse(String html)：解析xml或者html字符串parse(URL url,int timeoutMillis)：通过url路径获取指定的html或者xml文档对象，第二个参数代表设置超时时间，超过这个时间没有访问到，就停止访问，该方法多用于-网络爬虫的使用
（2）Document：文档对象，代表内存当中的dom树
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
举例说明
xml文件内容
① 获取属性名为id的元素对象们
控制台输出的结果为：
②获取number属性值为heima_0001的元素对象
控制台输出的结果为
③ 获取id属性值的元素对象
控制台输出的结果为：
（3）Elements：元素Element独享的集合。我们可以把它当作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()：获取文本内容String html()：获取标签体内的所有内容，包括字体子标签中的字符串和标签本身
举例说明：
xml文档中的内容如下
①通过Document对象获取name标签，能获取到所有name标签，如果通过name的父类的document对象来获取name标签的话，只能获取到该父类的子类标签
可以看出通过docemnt获取到了两个name，而通过父类只获取到了他的子类的那一个name
②获取student对象的属性值
得到的结果为
③获取文本内容
得到的结果为
如果将xml文档中的内容改成，如下
那么再次执行该代码，获取的内容就是这样
由此可以看出通过html()获取和text()获取的区别
（5）Node：节点对象
是Document和Element的父类
3、快捷查询的方式
（1）selector：选择器查询
使用方法：Element select(String cssQuery)
语法：参考Selector类中定义的语法
举例说明：
xml文档中的内容如下
① 快捷查询name标签
② 快捷查询id为itcast的元素
③ 获取student标签并且number属性值为heima_0001的标签
④获取student标签并且number属性值为heima_0001的age的子标签
（2）XPath：
XPath即为XML路径语言，他是一种用来确定xml（标准通用标记语言的子集）文档中某部分位置的语言
注意：
- 使用Jsoup的Xpath需要额外带入jar包
- 查询w3school参考手册，使用xpath的语法完成查询
- 我们需要通过构造方法
new JXDocument(document对象)来创建JXDocument对象
举例说明
xml文档内容如下
① 结合xpath语法查询所有student标签
② 查询所有student标签下的name标签
④ 查询student标签下带有id属性的name标签
⑤ 查询student标签下带有id属性的name标签，并且id属性值为itcast
浙公网安备 33010602011771号