對XML的深入淺出
本文是我在學java爬蟲的時候,需要用到Jsoup解析器,所以決定直接打算把XML小結一下。
先貼思維導圖:
一.概念
Extensible Markup Language 可擴展標記語言
- 可擴展:標籤都是自定義的。
二.功能
存儲文件
主要流程是:
- 配置文件
- 在網絡中運輸
拓展:
xml與html的區別:
- xml標籤都是自定義的,html標籤是預定義。
- xml的語法嚴格,html語法鬆散
- xml是存儲數據的,html是展示數據
三.基本語法
- xml文檔的後綴名 .xml
- xml第一行必須定義爲文檔聲明
- xml文檔中有且僅有一個根標籤
- 屬性值必須使用引號(單雙都可)引起來
- 標籤必須正確關閉
- xml標籤名稱區分大小寫
四.快速入門
<?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>
五.組成部分
5.1文檔聲明
-
格式<?xml 屬性列表 ?>
-
指令(瞭解)
- version:版本號,必須的屬性
- encoding:編碼方式。告知解析引擎當前文檔使用的字符集,默認值:ISO-8859-1
- standalone:是否獨立
取值:- yes:不依賴其他文件
- no:依賴其他文件
- 標籤:標籤名稱自定義的
- 規則:
- 名稱可以包含字母、數字以及其他的字符
- 名稱不能以數字或者標點符號開始
- 名稱不能以字母 xml(或者 XML、Xml 等等)開始
- 名稱不能包含空格
- 屬性:id屬性值唯一
- 文本:
- CDATA區:在該區域中的數據會被原樣展示
- 格式: <![CDATA[ 數據 ]]>
六.約束
定義:約束xml文檔的書寫規則
要求:
作爲框架的使用者(程序員):
- 能夠在xml中引入約束文檔
- 能夠簡單的讀懂約束文檔
6.1 DTD
- 引入dtd文檔到xml文檔中
- 內部dtd:將約束規則定義在xml文檔中
- 外部dtd:將約束的規則定義在外部的dtd文件中
- 本地:
<!DOCTYPE 根標籤名 SYSTEM "dtd文件的位置">
- 網絡:
<!DOCTYPE 根標籤名 PUBLIC "dtd文件名字" "dtd文件的位置URL">
6.2 Schema
1. 填寫xml文檔的根元素
- 引入xsi前綴. xmlns:xsi=“http://www.w3.org/2001/XMLSchema-instance”
- 引入xsd文件命名空間. xsi:schemaLocation=“http://www.itcast.cn/xml student.xsd”
在這裏插入代碼片
爲每一個xsd約束聲明一個前綴,作爲標識
xmlns="http://www.zzd.cn/xml"
<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns="http://www.zzd.cn/xml"
xsi:schemaLocation="http://www.zzd.cn/xml student.xsd">
七.解析
定義:操作xml文檔,將文檔中的數據讀取到內存中。
7.1 解析XML的方式
1.DOM
定義:將標記語言文檔一次性加載進內存,在內存中形成一顆dom樹
* 優點:操作方便,可以對文檔進行CRUD的所有操作
* 缺點:佔內存
2.SAX
定義:逐行讀取,基於事件驅動的。
* 優點:不佔內存。
* 缺點:只能讀取,不能增刪改
7.2常見解析器
- JAXP
sun公司提供的解析器,支持dom和sax兩種思想 - DOM4J
一款非常優秀的解析器 - jsoup
是一款Java 的HTML解析器,可直接解析某個URL地址、HTML文本內容。它提供了一套非常省力的API,可通過DOM,CSS以及類似於jQuery的操作方法來取出和操作數據。 - PULL
Android操作系統內置的解析器,sax方式的。
八.Jsoup詳解
8.1 快速入門
- 步驟:
- 導入jar包
- 獲取Document對象
- 獲取對應的標籤Element對象
- 獲取數據
8.2 代碼
//2.1獲取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
//2.2解析xml文檔,加載文檔進內存,獲取dom樹--->Document
Document document = Jsoup.parse(new File(path), "utf-8");
//3.獲取元素對象 Element
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
//3.1獲取第一個name的Element對象
Element element = elements.get(0);
//3.2獲取數據
String name = element.text();
System.out.println(name);
8.3 對象的使用
- Jsoup:工具類,可以解析html或xml文檔,返回Document
- parse:解析html或xml文檔,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):通過網絡路徑獲取指定的html或xml的文檔對象
- Document:文檔對象。代表內存中的dom樹
獲取Element對象
- getElementById(String id):根據id屬性值獲取唯一的element對象
- getElementsByTag(String tagName):根據標籤名稱獲取元素對象集合
- getElementsByAttribute(String key):根據屬性名稱獲取元素對象集合
- getElementsByAttributeValue(String key, String value):根據對應的屬性名和屬性值獲取元素對象集合
-
Elements:元素Element對象的集合。
可以當做ArrayList<Element>
來使用 -
Element:元素對象
獲取子元素對象- getElementById(String id):根據id屬性值獲取唯一的element對象
- getElementsByTag(String tagName):根據標籤名稱獲取元素對象集合
- getElementsByAttribute(String key):根據屬性名稱獲取元素對象集合
- getElementsByAttributeValue(String key, String value):根據對應的屬性名和屬性值獲取元素對象集合
獲取屬性值
String attr(String key):根據屬性名稱獲取屬性值
獲取文本內容
-
String text():獲取文本內容
-
String html():獲取標籤體的所有內容(包括字標籤的字符串內容)
- Node:節點對象
8.4 快速查詢方式
是Document和Element的父類
使用方法
- 使用的方法:Elements select(String cssQuery)
- 語法:參考Selector類中定義的語法
XPath
定義:XPath即爲XML路徑語言,它是一種用來確定XML(標準通用標記語言的子集)文檔中某部分位置的語言
- 使用Jsoup的Xpath需要額外導入jar包。
- 查詢w3cshool參考手冊,使用xpath的語法完成查詢
代碼:
//1.獲取student.xml的path
String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
//2.獲取Document對象
Document document = Jsoup.parse(new File(path), "utf-8");
//3.根據document對象,創建JXDocument對象
JXDocument jxDocument = new JXDocument(document);
//4.結合xpath語法查詢
//4.1查詢所有student標籤
List<JXNode> jxNodes = jxDocument.selN("//student");
for (JXNode jxNode : jxNodes) {
System.out.println(jxNode);
}
System.out.println("--------------------");
//4.2查詢所有student標籤下的name標籤
List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
for (JXNode jxNode : jxNodes2) {
System.out.println(jxNode);
}
System.out.println("--------------------");
//4.3查詢student標籤下帶有id屬性的name標籤
List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
for (JXNode jxNode : jxNodes3) {
System.out.println(jxNode);
}
System.out.println("--------------------");
//4.4查詢student標籤下帶有id屬性的name標籤 並且id屬性值爲itcast
List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
for (JXNode jxNode : jxNodes4) {
System.out.println(jxNode);
}
END!!!有什麼建議可以評論!!!
長路漫漫,JAVA爲伴!!!