对XML的深入浅出

本文是我在学java爬虫的时候，需要用到Jsoup解析器，所以决定直接打算把XML小结一下。

先贴思维导图：

一.概念

Extensible Markup Language 可扩展标记语言

可扩展：标签都是自定义的。

二.功能

存储文件
主要流程是：

配置文件
在网络中运输

拓展：
xml与html的区别：

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

三.基本语法

xml文档的后缀名 .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(单双都可)引起来
标签必须正确关闭
xml标签名称区分大小写

四.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>

五.组成部分

5.1文档声明

格式<?xml 属性列表 ?>
指令（了解）

version：版本号，必须的属性
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

标签：标签名称自定义的

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

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 ]]>

六.约束

定义：约束xml文档的书写规则
要求：
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

6.1 DTD

引入dtd文档到xml文档中
- 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">

6.2 Schema

 1. 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”
在这里插入代码片为每一个xsd约束声明一个前缀,作为标识

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

定义：操作xml文档，将文档中的数据读取到内存中。

7.1 解析XML的方式

1.DOM
定义：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
2.SAX
定义：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

7.2常见解析器

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
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。

八.Jsoup详解

8.1 快速入门

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

8.2 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);

8.3 对象的使用

Jsoup：工具类，可以解析html或xml文档，返回Document

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

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

Elements：元素Element对象的集合。
可以当做 ArrayList<Element>来使用
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)

Node：节点对象

8.4 快速查询方式

是Document和Element的父类
使用方法

使用的方法：Elements select(String cssQuery)
语法：参考Selector类中定义的语法

XPath
定义：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

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
代码：

 //1.获取student.xml的path
           String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
           //2.获取Document对象
           Document document = Jsoup.parse(new File(path), "utf-8");
   
           //3.根据document对象，创建JXDocument对象
           JXDocument jxDocument = new JXDocument(document);
           //4.结合xpath语法查询
           //4.1查询所有student标签
           List<JXNode> jxNodes = jxDocument.selN("//student");
           for (JXNode jxNode : jxNodes) {
               System.out.println(jxNode);
           }
   
           System.out.println("--------------------");
   
           //4.2查询所有student标签下的name标签
           List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
           for (JXNode jxNode : jxNodes2) {
               System.out.println(jxNode);
           }
   
           System.out.println("--------------------");
   
           //4.3查询student标签下带有id属性的name标签
           List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
           for (JXNode jxNode : jxNodes3) {
               System.out.println(jxNode);
           }
           System.out.println("--------------------");
           //4.4查询student标签下带有id属性的name标签 并且id属性值为itcast
   
           List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
           for (JXNode jxNode : jxNodes4) {
               System.out.println(jxNode);
           }

END！！！有什么建议可以评论！！！
长路漫漫，JAVA为伴！！！

XML：你真的有必要了解一下我