- XML 数据传输格式
- 1 XML 概述
- 1.1 什么是 XML
- 1.2 XML 与 HTML 的主要差异
- 1.3 XML 不是对 HTML 的替代
- 2 XML 语法
- 2.1 基本语法
- 2.2 快速入门
- 2.3 组成部分
- 2.3.1 文档声明
- 格式
- 属性
- 2.3.2 指令（了解）：结合CSS
- 2.3.3 元素
- 2.3.4 属性
- **XML 元素 vs. 属性**
- 2.3.5 文本
- **CDATA 区段（CDATA section）**
- 2.4 XML 约束
- 2.4.1 XML DTD （简单）
- DTD 的引入
- 2.4.2 XML Schema （复杂）
- Schema 的引入
- 3 XML 解析
- 3.1 什么是 解析 XML
- 3.1.1 操作 XML 文档
- 3.1.2 解析 XML 的方式
- 3.2 XML 常见的解析器
- 3.3 Jsoup
- 3.3.1 快速入门
- 3.3.2 对象的使用
- 3.3.2.1 Jsoup
- 3.3.2.2 Document
- 3.3.2.3 Element
- 3.3.2.4 Elements
- 3.3.2.5 Node
- 3.4 快捷查询方式
- 3.4.1 Selector 选择器
- 3.4.2 XPath 选择器
XML 数据传输格式
1 XML 概述
1.1 什么是 XML
- XML 指可扩展标记语言（EXtensible Markup Language）。
- XML 是一种很像HTML的标记语言。
- XML 的设计宗旨是传输数据，而不是显示数据。
- XML 标签没有被预定义。您需要自行定义标签。
- XML 被设计为具有自我描述性。
- XML 是 W3C 的推荐标准
1.2 XML 与 HTML 的主要差异
- XML 不是 HTML 的替代。
- XML 和 HTML 为不同的目的而设计：
- XML 被设计为传输和存储数据，其焦点是数据的内容。
- HTML 被设计用来显示数据，其焦点是数据的外观。
- HTML 旨在显示信息，而 XML 旨在传输信息。
**注意：**XML 不会做任何事情。XML 被设计用来结构化、存储以及传输信息。
1.3 XML 不是对 HTML 的替代
XML 是对 HTML 的补充。
XML 不会替代 HTML，理解这一点很重要。在大多数 web 应用程序中，XML 用于传输数据，而 HTML 用于格式化并显示数据。
对 XML 最好的描述是：XML 是独立于软件和硬件的信息传输工具。
2 XML 语法
2.1 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 version='1.0' ?> -
XML 文档有且仅有一个根元素
XML 文档必须有一个元素是所有其他元素的父元素。该元素称为根元素。
<root> <child> <subchild>.....</subchild> </child> </root> -
XML 的属性值须加引号
在 XML 中，XML 的属性值须加引号。请研究下面的两个 XML 文档。第一个是错误的，第二个是正确的：
<!-- 这是错误的 --> <note date=08/08/2008> <to>George</to> <from>John</from> </note><!-- 这是正确的 --> <note date="08/08/2008"> <to>George</to> <from>John</from> </note> -
所有 XML 元素都须有关闭标签
在 XML 中，省略关闭标签是非法的。所有元素都必须有关闭标签：
<p>This is a paragraph</p> <p>This is another paragraph</p>**注意：**XML 声明没有关闭标签。这不是错误。声明不属于XML本身的组成部分。它不是 XML 元素，也不需要关闭标签。
-
XML 标签对大小写敏感
XML 元素使用 XML 标签进行定义。
XML 标签对大小写敏感。在 XML 中，标签
<Letter>与标签<letter>是不同的。必须使用相同的大小写来编写打开标签和关闭标签：
<Message>这是错误的。</message> <message>这是正确的。</message> -
XML 必须正确地嵌套
在 XML 中，所有元素都必须彼此正确地嵌套：
<b><i>This text is bold and italic</i></b>在上例中，正确嵌套的意思是：由于
<i>元素是在<b>元素内打开的，那么它必须在<b>元素内关闭。 -
XML 会保留空格
在 XML 中，文档中的空格不会被删节。
2.2 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>
2.3 组成部分
2.3.1 文档声明
格式
<?xml 属性列表 ?>
属性
- version：版本号 必须添加
- 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
- 取值：
2.3.2 指令（了解）：结合CSS
<?xml-stylesheet type="text/css" href="a.css" ?>
2.3.3 元素
XML 命名规则
XML 元素必须遵循以下命名规则：
- 名称可以含字母、数字以及其他的字符
- 名称不能以数字或者标点符号开始
- 名称不能以字符 “xml”（或者 XML、Xml）开始
- 名称不能包含空格
可使用任何名称，没有保留的字词。
2.3.4 属性
注意： id属性值唯一
XML 元素 vs. 属性
请看这些例子：
<person sex="female">
<firstname>Anna</firstname>
<lastname>Smith</lastname>
</person>
<person>
<sex>female</sex>
<firstname>Anna</firstname>
<lastname>Smith</lastname>
</person>
在第一个例子中，sex 是一个属性。在第二个例子中，sex 则是一个子元素。两个例子均可提供相同的信息。
没有什么规矩可以告诉我们什么时候该使用属性，而什么时候该使用子元素。我的经验是在 HTML 中，属性用起来很便利，但是在 XML 中，应该尽量避免使用属性。如果信息感觉起来很像数据，那么请使用子元素吧。
2.3.5 文本
CDATA 区段（CDATA section）
术语 CDATA 指的是不应由 XML 解析器进行解析的文本数据（Unparsed Character Data）。
在 XML 元素中，“<” 和 “&” 是非法的。
“<” 会产生错误，因为解析器会把该字符解释为新元素的开始。
“&” 也会产生错误，因为解析器会把该字符解释为字符实体的开始。
某些文本，比如 JavaScript 代码，包含大量 “<” 或 “&” 字符。为了避免错误，可以将脚本代码定义为 CDATA。
CDATA 部分中的所有内容都会被解析器忽略（原样展示）。
CDATA 部分由 <![CDATA[ 开始，由 ]]> 结束：
<![CDATA[
function matchwo(a,b) {
if (a < b && a < 0) then {
return 1;
}
else {
return 0;
}
}
]]>
在上面的例子中，解析器会忽略 CDATA 部分中的所有内容。
关于 CDATA 部分的注释：
-
CDATA 部分不能包含字符串
]]>。也不允许嵌套的 CDATA 部分。 -
标记 CDATA 部分结尾的
]]>不能包含空格或折行。
2.4 XML 约束
约束简单来说就是规定 XML 文档的书写规则
对约束的图解：
作为框架的使用者(程序员) 要求：
- 能够在 XML 中引入约束文档
- 能够简单的读懂约束文档
2.4.1 XML DTD （简单）
文档类型定义（DTD）可定义合法的XML文档构建模块。它使用一系列合法的元素来定义文档的结构。
DTD 可被成行地声明于 XML 文档中，也可作为一个外部引用。
DTD 的引入
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">`
2.4.2 XML Schema （复杂）
Schema 的引入
- 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.itcast.cn/xml student.xsd" - 为每一个xsd约束声明一个前缀,作为标识
xmlns="http://www.itcast.cn/xml"
<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns="http://www.itcast.cn/xml"
xsi:schemaLocation="http://www.itcast.cn/xml student.xsd">
3 XML 解析
3.1 什么是 解析 XML
3.1.1 操作 XML 文档
3.1.2 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
注意：DOM一般用于服务器端，SAX一般用于移动端
3.2 XML 常见的解析器
JAXP: sun公司提供的解析器，支持dom和sax两种方式。
DOM4j: DOM4j是一个开源的，基于Java的库来解析XML文档，它具有高度的灵活性，高性能和内存效率的API。
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。
3.3 Jsoup
3.3.1 快速入门
步骤：
- 导入jar包 : jsoup-版本号.jar,JsoupXpath-版本号.jar
- 获取Document对象
- 获取对应的标签Element对象
- 获取数据
示例代码：
public static void main(String[] args) throws IOException {
//获取Document对象，根据xml文档获取
//获取student.xml的path路径
String path = JsoupDemo01.class.getClassLoader().getResource("student.xml").getPath();
//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");
//获取元素对象
Elements elements = document.getElementsByTag("name");
//获取第一个name的element对象
Element element = elements.get(0);
//获取文本内容
String name = element.text();
System.out.println(name);
}
3.3.2 对象的使用
3.3.2.1 Jsoup
Jsoup: 工具类，可以解析html或xml文档，返回Document
parse() 用法：
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
示例代码：
public static void main(String[] args) throws IOException {
//获取student.xml的path路径
String path = JsoupDemo02.class.getClassLoader().getResource("student.xml").getPath();
//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");
System.out.println(document);*/
//parse(String html):解析html字符串
String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
" <students>\n" +
" \t<student number=\"heima_0001\">\n" +
" \t\t<name>tom</name>\n" +
" \t\t<age>16</age>\n" +
" \t\t<sex>male</sex>\n" +
" \t</student>\n" +
"\t<student number=\"heima_0002\">\n" +
"\t\t<name>claier</name>\n" +
"\t\t<age>18</age>\n" +
"\t\t<sex>female</sex>\n" +
"\t</student>\n" +
"\t\t \n" +
" </students>";
/*Document document = Jsoup.parse(str);
System.out.println(document);*/
//parse(URL url,int timeoutMillis),通过网络路径获取指定的HTML的文档对象
URL url = new URL("https://baike.baidu.com/item/jsoup/9012509?fr=aladdin");//代表网络中的一个资源网络
Document document = Jsoup.parse(url, 10000);
System.out.println(document);
}
3.3.2.2 Document
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
示例代码：
public static void main(String[] args) throws IOException {
//获取student.xml的path路径
String path = JsoupDemo03.class.getClassLoader().getResource("student.xml").getPath();
//获取document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//获取元素对象
//1.获取所有的student对象
Elements elements = document.getElementsByTag("student");
// System.out.println(elements);
//2.获取属性名为id的元素对象们
Elements elements1 = document.getElementsByAttribute("id");
// System.out.println(elements1);
//3.获取number属相值为heima_0001的元素对象
Elements elements2 = document.getElementsByAttributeValue("number", "heima_0001");
// System.out.println(elements2);
//4.获取id属性值的元素
Element element = document.getElementById("1");
System.out.println(element);
}
3.3.2.3 Element
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)
-
示例代码：
public static void main(String[] args) throws IOException {
//获取student.xml的path路径
String path = JsoupDemo04.class.getClassLoader().getResource("student.xml").getPath();
//获取document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//获取元素对象
//通过Document对象获取name标签，它是获取所有的name标签，本案例可以获取到两个
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
//通过Element对象或去子标签对象
Element element_student = document.getElementsByTag("student").get(0);
Elements ele_stu_name = element_student.getElementsByTag("name");
System.out.println(ele_stu_name);
System.out.println(ele_stu_name.size());
//获取student对象的属性值
String number = element_student.attr("number");
System.out.println(number);
System.out.println("--------------");
//获取文本内容
//获取所有子标签的纯文本内容
String text = ele_stu_name.text();
System.out.println(text);
//获取标签体的所有内容（包括子标签的标签和文本内容）
String html = ele_stu_name.html();
System.out.println(html);
}
3.3.2.4 Elements
Elements: 元素Element对象的集合。
可以当作ArrayList<Element>来使用
3.3.2.5 Node
Node: Element 和 Document 的父类
3.4 快捷查询方式
3.4.1 Selector 选择器
使用方法：Elements select(String cssQuery)
语法：参考 Selector 类中定义的语法
示例代码：
public static void main(String[] args) throws IOException {
//获取student.xml的path路径
String path = JsoupDemo05.class.getClassLoader().getResource("student.xml").getPath();
//获取document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//获取元素对象
//获取name标签
Elements elements = document.select("name");
System.out.println(elements);
System.out.println("-------------");
//查询id为1的元素
Elements elements1 = document.select("#1");
System.out.println(elements1);
System.out.println("-------------");
//获取student标签且number属性值为heima_0001的age子标签
//获取student标签且number属性值为heima_0001
Elements elements2 = document.select("student[number='heima_0001']");
System.out.println(elements2);
System.out.println("-------------");
//获取student标签且number属性值为heima_0001的age子标签
Elements elements3 = document.select("student[number='heima_0001'] age");
System.out.println(elements3);
}
3.4.2 XPath 选择器
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
注意：
- 使用 Jsoup 的 Xpath 需要额外导入jar包
- 查询 W3Cshool 参考手册，使用 xpath 的语法完成查询
示例代码：
public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
//获取student.xml的path路径
String path = JsoupDemo06.class.getClassLoader().getResource("student.xml").getPath();
//获取document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//根据document对象创建JXDocument
JXDocument jxDocument = new JXDocument(document);
//结合xpath语法查询
//查询所有的student标签
List<JXNode> jxNodes = jxDocument.selN("//student");
for (JXNode jxNode : jxNodes) {
System.out.println(jxNode);
}
System.out.println("----------");
//查询所有student标签下的name标签
List<JXNode> jxNodes1 = jxDocument.selN("//student/name");
for (JXNode jxNode : jxNodes1) {
System.out.println(jxNode);
}
System.out.println("-----------");
//查询student标签下带有id属性的name标签
List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");
for (JXNode jxNode : jxNodes2) {
System.out.println(jxNode);
}
System.out.println("-------------");
//查询student标签下带有id属性的name标签并且id属性值为1
List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id='1']");
for (JXNode jxNode : jxNodes3) {
System.out.println(jxNode);
}
System.out.println("-------------");
}
