XML語法和解析

目錄

• 第一章：XML概述
• 第二章：XML語法
  • 2.1-基本語法
  • 2.2-快速入門Demo
  • 2.3-組成部分
• 第三章：XML約束（了解）
  • 3.1-概述
  • 3.2-DTD約束
  • 3.3-Schema約束
• 第四章：XML解析
  • 4.1-概述
  • 4.2-Jsoup解析XML

第一章：XML概述

概念

XML（ Extensible Markup Language ），可擴展的標記語言。是一種用於標記電子文件使其具有結構性的標記語言，它可以用來標記數據、定義數據類型，是一種允許用戶對自己的標記語言進行定義的源語言 。1998年2月10日，W3C(World WideⅥiebConsortium，萬維網聯盟)公布XML 1.0標准，XML誕生了。

用途

XML可以用來存儲數據， 它非常適合萬維網傳輸，提供統一的方法來描述和交換獨立於應用程序或供應商的結構化數據。是Internet環境中跨平台的、依賴於內容的技術，也是當今處理分布式結構信息的有效工具。
應用場景主要體現在以下兩個方面。

1. 配置文件
2. 網絡傳輸

XML和HTML的區別

1. xml標簽都是自定義的，html標簽是預定義。
2. xml的語法嚴格，html語法松散
3. xml是存儲數據的，html是展示數據

第二章：XML語法

2.1-基本語法

1. xml文檔的后綴名 .xml
2. xml第一行必須定義為文檔聲明
3. xml文檔中有且僅有一個根標簽
4. 屬性值必須使用引號(單雙都可)引起來
5. 標簽必須正確關閉
6. xml標簽名稱區分大小寫

2.2-快速入門Demo

定義一個XML文件，用來存儲一組學生信息

<?xml version="1.0" encoding="utf-8" ?>
<students>
    <student id="1">
        <name>張三</name>
        <age>10</age>
        <sex>male</sex>
    </student>
    <student id="2">
        <name>李四</name>
        <age>12</age>
        <sex>female</sex>
    </student>
</students>

2.3-組成部分

文檔聲明

• 格式：<?xml 屬性列表 ?>
• 屬性：
  • 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，取值兩個如下：
    • yes，不依賴其他文件
    • no，依賴其他文件

指令

結合css

<?xml-stylesheet type="text/css" href="css文件路徑" ?>

標簽名規則

• 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 ]]>

第三章：XML約束（了解）

3.1-概述

目標

作為框架的使用者(程序員)

1. 能夠在xml中引入約束文檔
2. 能夠簡單的讀懂約束文檔

分類

1. DTD:一種簡單的約束技術
2. Schema:一種復雜的約束技術

3.2-DTD約束

引入dtd文檔到xml文檔中兩種方式

1. 內部dtd：將約束規則定義在xml文檔中
2. 外部dtd：將約束的規則定義在外部的dtd文件中
   • 本地：<!DOCTYPE 根標簽名 SYSTEM "dtd文件的位置">
   • 網絡：<!DOCTYPE 根標簽名 PUBLIC "dtd文件名字" "dtd文件的位置URL">

演示

DTD文件-student.dtd

<!--
    規定根元素是students
    子元素是student,並且子元素可以出現0次或多次
-->
<!ELEMENT students (student*) >
<!--
    規定元素student有三個子元素分別是：name，age，sex
-->
<!ELEMENT student (name,age,sex)>
<!--在name，age，sex標簽中可以插入字符和子標簽-->
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!--
 給student元素定義屬性number，類型為id，這個默認是必須的
-->
<!ATTLIST student number ID #REQUIRED>
<!--
    【屬性的類型】
        CDATA：文本類型；
        Enumerated：枚舉類型；
        ID：ID類型，ID類型的屬性用來標識元素的唯一性，即元素的ID屬性值不能與其他元素的ID屬性值相同；
        IDREF：ID引用類型，用來指定另一個元素，與另一個元素建立關聯關系，IDREF類型的屬性值必須是另一個元素的ID。
    【屬性設置說明】
         #REQUIRED：說明屬性是必須的；
         #IMPLIED：說明屬性是可選的
         默認值：在不給出屬性值時，使用默認值
-->

XML文件-student.xml

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE students SYSTEM "student.dtd">
<students>
	<student number="it_0001">
		<name>tom</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	
</students>

3.3-Schema約束

引入

<!--1.填寫xml文檔的根元素-->
<!--2.引入xsi前綴.  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"-->
<!--3.引入xsd文件命名空間.  xsi:schemaLocation="http://www.aa.cn/xml  student.xsd"-->
<!--4.為每一個xsd約束聲明一個前綴,作為標識  xmlns="http://www.aa.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">

演示

xsd文件：student

<?xml version="1.0"?>
<xsd:schema xmlns="http://www.itcast.cn/xml"
        xmlns:xsd="http://www.w3.org/2001/XMLSchema"
        targetNamespace="http://www.ss.aa/xml" elementFormDefault="qualified">
    <xsd:element name="students" type="studentsType"/>
    <xsd:complexType name="studentsType">
        <xsd:sequence>
            <xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>
        </xsd:sequence>
    </xsd:complexType>
    <xsd:complexType name="studentType">
        <xsd:sequence>
            <xsd:element name="name" type="xsd:string"/>
            <xsd:element name="age" type="ageType" />
            <xsd:element name="sex" type="sexType" />
        </xsd:sequence>
        <xsd:attribute name="number" type="numberType" use="required"/>
    </xsd:complexType>
    <xsd:simpleType name="sexType">
        <xsd:restriction base="xsd:string">
            <xsd:enumeration value="male"/>
            <xsd:enumeration value="female"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="ageType">
        <xsd:restriction base="xsd:integer">
            <xsd:minInclusive value="0"/>
            <xsd:maxInclusive value="256"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="numberType">
        <xsd:restriction base="xsd:string">
            <xsd:pattern value="it_\d{4}"/>
        </xsd:restriction>
    </xsd:simpleType>
</xsd:schema> 

xml文件：student.xml

<?xml version="1.0" encoding="UTF-8" ?>
<!-- 
	1.填寫xml文檔的根元素
	2.引入xsi前綴.  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	3.引入xsd文件命名空間.  xsi:schemaLocation="http://www.aa.cn/xml  student.xsd"
	4.為每一個xsd約束聲明一個前綴,作為標識  xmlns="http://www.aa.cn/xml" 
	
	
 -->
 <students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 			 xmlns="http://www.aa.cn/xml" 
 		   xsi:schemaLocation="http://www.aa.cn/xml  student.xsd"
 		    >
 	<student number="it_0001">
 		<name>tom</name>
 		<age>18</age>
 		<sex>male</sex>
 	</student>
		 
 </students>

第四章：XML解析

4.1-概述

XML解析：操作xml文檔，將文檔中的數據讀取到內存中

操作xml文檔

1. 解析(讀取)：將文檔中的數據讀取到內存中
2. 寫入：將內存中的數據保存到xml文檔中。持久化的存儲

此篇文章主要學習如何讀取文檔中的數據

解析xml的方式

1. DOM：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：占內存
2. SAX：逐行讀取，基於事件驅動的。
   • 優點：不占內存。
   • 缺點：只能讀取，不能增刪改。

XML常見解析器

1. JAXP：sun公司提供的解析器，支持dom和sax兩種思想。
2. DOM4J：一款非常優秀的解析器。
3. Jsoup：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。
4. PULL：Android操作系統內置的解析器，sax方式的。

此篇文章主要學習Jsoup

4.2-Jsoup解析XML

介紹

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。

使用步驟

1. 導入jar包：jsoup-1.11.2.jar
2. 獲取Document對象
3. 獲取對應的標簽Element對象
4. 獲取數據

jar包下載

鏈接：https://pan.baidu.com/s/1Mc0i7r9-sTrAJ-eeO4N5vw
提取碼：169v

快速入門

student.xml文件在模塊src目錄下

package it.leilei.jsoupDemo;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;

public class Test01 {
  public static void main(String[] args) throws IOException {
    // 獲取xml文件路徑
    String path = Test01.class.getClassLoader().getResource("student.xml").getPath();
    // 解析並獲取xml文件的document對象
    Document document = Jsoup.parse(new File(path),"utf-8");
    // 根據標簽名獲取元素
    Elements elements = document.getElementsByTag("name");
    System.out.println(elements.get(0).text()); // 張三
  }
}

Jsoup對象的使用

Jsoup：工具類，可以解析html或xml文檔，返回Document。

parse方法：解析html或xml文檔，返回Document。

1. parse(File in, String charsetName)：解析xml或html文件的。
2. parse(String html)：解析xml或html字符串。
3. 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對象的使用

Document：文檔對象。代表內存中的dom樹。

獲取Element對象的方法

1. getElementById(String id)：根據id屬性值獲取唯一的element對象
2. getElementsByTag(String tagName)：根據標簽名稱獲取元素對象集合
3. getElementsByAttribute(String key)：根據屬性名稱獲取元素對象集合
4. 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對象的使用

元素Element對象的集合。可以當做 ArrayList<Element>來使用

Element對象的使用

獲取子元素對象的方法：

1. getElementById(String id)：根據id屬性值獲取唯一的element對象
2. getElementsByTag(String tagName)：根據標簽名稱獲取元素對象集合
3. getElementsByAttribute(String key)：根據屬性名稱獲取元素對象集合
4. 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

獲取屬性值的方法：

1. String attr(String key)：根據屬性名稱獲取屬性值

獲取文本內容的方法：

1. String text():獲取文本內容。
2. String html():獲取標簽體的所有內容(包括字標簽的字符串內容)

Node結點對象：是Document和Element的父類

Jsoup快速查詢元素的方式：selector方法

使用的方法：Elements select(String cssQuery)

語法：參考文檔Selector類中定義的語法，文檔在上述jar包下載中

Jsoup快速查詢元素的方式：XPath

XPath即為XML路徑語言，它是一種用來確定XML（標准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JsoupXpath-0.3.2.jar。

查詢w3cshool參考手冊，使用xpath的語法完成查詢。

代碼演示

package it.leilei.jsoupDemo;

import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
import cn.wanghaomiao.xpath.model.JXDocument;
import cn.wanghaomiao.xpath.model.JXNode;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

import java.io.File;
import java.io.IOException;
import java.util.List;

public class Test02 {
  public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
    //1.獲取student.xml的path
    String path = Test02.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標簽
    List<JXNode> jxNodes = jxDocument.selN("//student");
    for (JXNode jxNode : jxNodes) {
      System.out.println(jxNode);
    }

    System.out.println("--------------------");

    //4.2查詢所有student標簽下的name標簽
    List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
    for (JXNode jxNode : jxNodes2) {
      System.out.println(jxNode);
    }

    System.out.println("--------------------");

    //4.3查詢student標簽下帶有id屬性的name標簽
    List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
    for (JXNode jxNode : jxNodes3) {
      System.out.println(jxNode);
    }
    System.out.println("--------------------");
    //4.4查詢student標簽下帶有id屬性的name標簽 並且id屬性值為it

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