JavaWeb05_XML學習筆記_解析查詢html

XML學習筆記

W3C XML教程：https://www.w3school.com.cn/xml/index.asp

概念

Extensible Markup Language 可擴展標記語言

可擴展

• 標籤都是自定義的。

功能

• 存儲數據
  • 配置文件
  • 在網絡中傳輸

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

w3c

• 萬維網聯盟

語法

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

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>

組成部分

文檔聲明

• 格式：<?xml 屬性列表 ?>
• 屬性列表：
  • 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

指令（瞭解）

• 結合CSS的<?xml-stylesheet type="text/css" href="a.css" ?>

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 ]]>

約束

• 規定xml文檔的書寫規則

• 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

• 分類

  • DTD:一種簡單的約束技術
  • Schema:一種複雜的約束技術

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">

Schema

• 引入

  • 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.it.cn/xml student.xsd"

  • 爲每一個xsd約束聲明一個前綴,作爲標識

    <students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    				xmlns="http://www.it.cn/xml"
    				xsi:schemaLocation="http://www.it.cn/xml  student.xsd">
    

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

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

解析xml的方式

• 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：佔內存
• SAX：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

xml常見的解析器

• 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：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。

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。

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

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);

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
• 是Document和Element的父類

快捷查詢方式

selector:選擇器

• 使用的方法

  Elements	select(String cssQuery)
  

• 語法

  • 參考Selector類中定義的語法

XPath

• 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：https://www.w3school.com.cn/w3c/w3c_xpath.asp，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it
  		
  		        List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='it']");
  		        for (JXNode jxNode : jxNodes4) {
  		            System.out.println(jxNode);
  		        }