XML

简介

• 概述：Extensible Markup Language 可扩展标记语言

  • 可扩展：标签都是自定义的。

• 功能

  1. 数据存储：XML 可以用来存储结构化数据，包括文本、数字、日期等各种类型的数据
  2. 数据交换：XML 可以作为一种通用的数据交换格式，用于在不同系统之间传递数据
  3. 数据描述：XML 可以用来描述数据的结构和内容，例如通过定义 XML Schema 或 DTD 来定义数据的格式和约束
  4. 数据传输：XML 可以用作Web服务中的数据传输格式，例如 SOAP 协议中的消息体通常使用 XML 格式
  5. 数据显示：XML 可以用来描述数据的呈现方式，例如通过 XSLT 样式表将 XML 数据转换成 HTML 或其他格式进行显示
  6. 数据查询：XML 可以通过 XPath 或 XQuery 进行数据的查询和检索
  7. 数据验证：XML 可以通过 XML Schema 或 DTD 对数据进行验证，确保数据的格式和内容符合预期

• XML 和 HTML 的区别

  1. xml标签都是自定义的，html标签是预定义
  2. xml的语法严格，html语法松散
  3. xml是存储数据的，html是展示数据

---

语法

• 基本语法

  1. xml文档的后缀名 .xml
  2. xml第一行必须定义为文档声明
  3. xml文档中有且仅有一个根标签
  4. 属性值必须使用引号(单双都可)引起来
  5. 标签必须正确关闭
  6. xml标签名称区分大小写

• 快速入门，示例代码

  <?xml version='1.0' ?>							// 文档声明
  <users>
  	<user id='1'>
          <name>小刚</name>
          <age>23</age>	
          <gender>man</gender>
      </user>
      <user id='2'>
      	<name>小红</name>
          <age>24</age>
          <gender>woman</gender>
      </user>
  </users>
  

• 组成部分

  • 文档声明

  // 格式
  <?xml 属性列表 ?>
  

  属性列表

  1、version：版本号，必须的属性

  2、encoding：编码方式，告知解析引擎当前文档使用的字符集，默认，ISO-8859-1

  3、standalone：是否独立，取值 yes-不依赖其他文件 no-依赖其他文件

  • 指令：用来引入 CSS

  <?xml-stylesheet type="text/css" href="a.css" ?>
  

  • 标签：标签名称自定义

  标签自定义规则
  1、名称可以包含字母、数字以及其他的字符
  2、名称不能以字母 xml（或者 XML、Xml 等等）开始
  3、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

• 概述：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

• 约束分类

  • DTD：一种简单的约束技术
  • Schema：一种复杂的约束技术

---

DTD

• 分类

  • 内部 DTD：将约束规则定义在 XML 文档中
  • 外部 DTD：将约束规则定义在外部的 DTD 文件中

• 引入方式

  位置	引入格式
  本地
  网络

• 代码示例

  <!ELEMENT students (student*) >			#定义了一个students的元素，包含0个或多个student元素
  <!ELEMENT student (name,age,sex)>		#定义了一个student元素，包含name、age、sex等子元素
  <!ELEMENT name (#PCDATA)>				#定义了一个名为name的元素，其内容为文本数据
  <!ELEMENT age (#PCDATA)>				#定义了一个名为age的元素，其内容为文本数据
  <!ELEMENT sex (#PCDATA)>				#定义了一个名为sex的元素，其内容为文本数据
  <!ATTLIST student number ID #REQUIRED>	#定义了一个名为number的属性，类型为ID，且必须存在
  

  <?xml version='1.0' ?>
  <!DOCTYPE students SYSTEM "student.dtd">
  <students>
   <student number="s1">
       <name>李四</name>
       <age>23</age>
       <sex>男</sex>
   </student>
  </students>
  

  注意：上述第一个是 DTD 文档约束，第二个是 XML 文档

---

Schema

• 引入步骤

  1. 填写xml文档的根元素
  2. 引入xsi前缀. xmlns:xsi=“http://www.w3.org/2001/XMLSchema-instance”
  3. 引入xsd文件命名空间. xsi:schemaLocation=“http://www.itcast.cn/xml student.xsd”
  4. 为每一个xsd约束声明一个前缀,作为标识 xmlns=“http://www.itcast.cn/xml”

• 代码示例

  <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">
  

---

解析

• 概述：操作 XML 文档，将文档中的数据读取到内存忠

• 操作 XML 文档

  1. 解析(读取)：将文档中的数据读取到内存中
  2. 写入：将内存中的数据保存到 XML 文档中，持久化存储。

• XML 常见的解析器

  1. JASXP：sun 公司提供的解析器，支持 DOM 和 SAX 两种思想
  2. DOM4J：一款非常优秀的解析器
  3. 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。
  4. PULL：Android 操作系统内置的解析器，SAX 方式。

• 解析 XML 的方式(常见面试题)

  1. DOM：将标记语言文档一次性加载进内存，在内存中形成一棵 DOM 树(服务器端)
     • 优点：操作方便，可以对文档进行 CRUD 的所有操作
     • 缺点：占内存
  2. SAX：逐行读取，基于事件驱动的，读一行释放一行（手机端，浏览器端）
     • 优点：不占内存
     • 缺点：只能读取，不能增删改

Jsoup使用

• 下载地址

• 使用步骤：

  1. 导入刚才下载的 jar 包
  2. 获取 Document 对象
  3. 获取对应的标签 Element 对象
  4. 获取数据

• 示例代码

  //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);
  

对象详解

Jsoup

• Jsoup：工具类，可以解析 HTML 或 XML 文档，返回 Document 对象

• 方法

  方法	作用
  parse(File in ,String charsetName)	解析 XML 或 HTML 文件
  parse(String html)	解析 XML 或 HTML 字符串
  parse(URL url , int timeoutMills)	通过网络路径获取指定的 XML 或 HTML 的文档对象(可做爬虫)

Document

• Document：文档对象，代表内存中的 DOM 树，获取任意 Element 对象

• 方法

  方法	作用
  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

• Elements：元素 Element 对象的集合，可以当作 ArrayList 来使用

Element

• Element：元素对象，获取子元素对象

• 方法

  方法	作用
  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
  String attr(String key)	根据属性名称（不区分大小写）获取属性值
  String text()	获取所有子标签的纯文本内容
  String html()	获取标签体的所有内容(包括子标签的字符串内容)

Node

• Node：节点对象，是 Document 和 Element 的父类