前言
本文是对XML语言的简单学习，适合后端开发者简单了解前端知识使用。
目录
一、什么是XML？
1.1、W3cSchool定义
- XML 指可扩展标记语言（EXtensible Markup Language）
- XML 是一种标记语言，很类似 HTML
- XML 的设计宗旨是传输数据，而非显示数据
- XML 标签没有被预定义。您需要自行定义标签。
- XML 被设计为具有自我描述性。
- XML 是 W3C 的推荐标准
为什么他又被称为可扩展语言呢？因为XML语言的标签都是自定义的，这个在代码的编写中就能体现。
之前我们学习过HTML，那么他和XML又有什么区别呢？
1.2、HTML与XML的主要差异
XML 不是 HTML 的替代。
XML 和 HTML 为不同的目的而设计：
XML 被设计为传输和存储数据，其焦点是数据的内容。
HTML 被设计用来显示数据，其焦点是数据的外观。
HTML 旨在显示信息，而 XML 旨在传输信息。
XML的语法相对来说较为严格，而HTML的语法相对较为松散
XML的标签是自定义的，而HTML的标签是预定义的
二、XML的语法规则
2.1、基本语法规则
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
一个简单的XML文档
<?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>2.2、基本组成部分
2.2.1、文档声明
1. 格式：<?xml 属性列表 ?>
2. 属性列表：
* 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
2.2.2、标签规则
标签元素名称自定义
自定义规则
* 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
2.2.3、CDATA区
使用CDATA区：在该区域中的数据会被原样展示
格式
<![CDATA[ 数据 ]]>
例如这行代码：
<![CDATA[
if(a>b && c>s) {}
]]> 效果：
而如果我们不使用CDATA区：
if(a>b && c>s) {}不仅代码会报错，浏览器会直接无法解析
关于该语法的详细解释可以参考W3cSchool：XML CDATA (w3school.com.cn)
2.2.4、XML约束
约束的定义：规定XML文档的书写规则
约束的好处：
作为框架的使用者（开发者）：
能够在XML中引入约束文档
能够简单的读懂约束文档
分类
1.DTD
用法
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">
代码实例：
dtd文件：
<!ELEMENT students (student*) >
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!ATTLIST student number ID #REQUIRED>XML文档：
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE students SYSTEM "student.dtd">
<students>
<student number="s001">
<name>张三</name>
<age>15</age>
<sex>男</sex>
</student>
</students>2. Schema
引入
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.baidu.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.baidu.cn/xml"
代码实例：
xsd文件：
<?xml version="1.0"?>
<xsd:schema xmlns="http://www.baidu.cn/xml"
xmlns:xsd="http://www.w3.org/2001/XMLSchema"
targetNamespace="http://www.baidu.cn/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="student_\d{4}"/>
</xsd:restriction>
</xsd:simpleType>
</xsd:schema>
XML文档：
<?xml version="1.0" encoding="UTF-8" ?>
<!--
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.baidu.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.baidu.cn/xml"
-->
<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns="http://www.baidu.cn/xml"
xsi:schemaLocation="http://www.baidu.cn/xml student.xsd"
>
<student number="student_0001">
<name>tom</name>
<age>18</age>
<sex>male</sex>
</student>
</students>三、XML解析器
3.1、解析的定义：
定义
操作XML文档，将文档中的数据读取到内存中
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。持久化的存储
* 解析xml的方式：
1. DOM：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：逐行读取，基于事件驱动的。一般用于移动操作系统
* 优点：不占内存。
* 缺点：只能读取，不能增删改
XML常见的解析器
1. JAXP：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方式的。
3.2、JSoup解析器
基本的使用方法：
首先导入Jsoup jar包，
接着获取对应的Document对象，
用Document对象获取对应的标签的element元素对象
从而获取我们想要的数据
代码实例：
package Jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
/**
* @author wang
* @version 1.0
* @packageName Jsoup
* @className JsoupDemo1
* @date 2022/3/4 14:55
* @Description Jsoup快速入门
*/
public class JsoupDemo1 {
public static void main(String[] args) throws IOException {
//获取document对象，根据XML文档获取
//获取student.xml的路径对象
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
//解析XML文档，加载文档进内存，获取DOM树
File file = new File(path);
Document document = Jsoup.parse(file, "utf-8");
//获取元素对象
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size()); //2
Element element = elements.get(0);
String name = element.text();
System.out.println(name); //张三
}
}
3.3、Jsoup对象的使用
3.3.1、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方法：
* 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
代码演示：
package Jsoup;
import com.sun.jndi.toolkit.url.UrlUtil;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
import java.net.URL;
/**
* @author wang
* @version 1.0
* @packageName Jsoup
* @className JsoupDemo2
* @date 2022/3/4 14:55
* @Description Jsoup对象演示
*/
public class JsoupDemo2 {
public static void main(String[] args) throws IOException {
//获取document对象，根据XML文档获取
//获取student.xml的路径对象
String path = JsoupDemo2.class.getClassLoader().getResource("student.xml").getPath();
//解析XML文档，加载文档进内存，获取DOM树
File file = new File(path);
//* parse(File in, String charsetName)：解析xml或html文件的。
// Document document = Jsoup.parse(file, "utf-8");
//System.out.println(document);
//* parse(String html)：解析xml或html字符串
/* String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
"\n" +
" <students>\n" +
" \t<student number=\"heima_0001\">\n" +
" \t\t<name>tom</name>\n" +
" \t\t<age>18</age>\n" +
" \t\t<sex>male</sex>\n" +
" \t</student>\n" +
"\n" +
"\t<student number=\"heima_0002\">\n" +
"\t\t<name>jerry</name>\n" +
"\t\t<age>13</age>\n" +
"\t\t<sex>female</sex>\n" +
"\t</student>\n" +
"\t\t \n" +
" </students>";
Document document = Jsoup.parse(str);
System.out.println(document);*/
//* parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象
URL url = new URL("http://manmanbuy.com/p_685922.aspx");
Document document = Jsoup.parse(url, 10000);
System.out.println(document);
}
}
3.3.2、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
代码演示：
package Jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
import java.net.URL;
/**
* @author wang
* @version 1.0
* @packageName Jsoup
* @className JsoupDemo3
* @date 2022/3/4 14:55
* @Description Jsoup document对象和element对象演示
*/
public class JsoupDemo3 {
public static void main(String[] args) throws IOException {
//获取document对象，根据XML文档获取
// * parse(String html)：解析xml或html字符串
String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
"\n" +
" <students>\n" +
" \t<student number=\"heima_0001\">\n" +
" \t\t<name id='001'>tom</name>\n" +
" \t\t<age id='002'>18</age>\n" +
" \t\t<sex id = '003'>male</sex>\n" +
" \t</student>\n" +
"\n" +
"\t<student number=\"heima_0002\">\n" +
"\t\t<name>jerry</name>\n" +
"\t\t<age>13</age>\n" +
"\t\t<sex>female</sex>\n" +
"\t</student>\n" +
"\t\t \n" +
" </students>";
Document document = Jsoup.parse(str);
// System.out.println(document);
//* getElementById(String id)：根据id属性值获取唯一的element对象
Element element = document.getElementById("001");
System.out.println(element);
//* getElementsByTag(String tagName)：根据标签名称获取元素对象集合
System.out.println("===========");
Elements elements = document.getElementsByTag("name");
System.out.println(elements);
// * getElementsByAttribute(String key)：根据属性名称获取元素对象集合
System.out.println("==============");
Elements elements1 = document.getElementsByAttribute("id");
System.out.println(elements1);
// * 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
System.out.println("===========");
Elements elements2 = document.getElementsByAttributeValue("id", "002");
System.out.println(elements2);
}
}
3.3.3、Element:元素对象
1. 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
2. 获取属性值
* String attr(String key)：根据属性名称获取属性值
3. 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)
代码演示：
package Jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
/**
* @author wang
* @version 1.0
* @packageName Jsoup
* @className JsoupDemo3
* @date 2022/3/4 14:55
* @Description Jsoup document对象和element对象演示
*/
public class JsoupDemo4 {
public static void main(String[] args) throws IOException {
//获取document对象，根据XML文档获取
String path = JsoupDemo4.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
//* getElementById(String id)：根据id属性值获取唯一的element对象
Element number = document.getElementById("002");
System.out.println(number);
System.out.println("=========");
//* getElementsByTag(String tagName)：根据标签名称获取元素对象集合
Elements names = document.getElementsByTag("name");
System.out.println(names.get(0));
System.out.println("=========");
//* getElementsByAttribute(String key)：根据属性名称获取元素对象集合
Elements elements = document.getElementsByAttribute("id");
System.out.println(elements);
System.out.println("========");
//* 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 id = document.getElementsByAttributeValue("id", "003");
System.out.println(id);
System.out.println("=======");
//2. 获取属性值
// * String attr(String key)：根据属性名称获取属性值
String value = elements.attr("id");
System.out.println(value);
System.out.println("=======");
/*3. 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)*/
Elements elements1 = document.getElementsByAttributeValue("id", "001");
String text = elements1.text();
System.out.println("文本内容" + text);
String html = elements1.html();
System.out.println("标签内容" + html);
}
}
3.4、快捷查询方式
3.4.1、Selector选择器
* 语法：参考Selector类中定义的语法
* 使用的方法：Elements select(String cssQuery)
代码
package Jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
/**
* @author wang
* @version 1.0
* @packageName Jsoup
* @className JsoupDemo3
* @date 2022/3/4 14:55
* @Description Jsoup selector选择器
*/
public class JsoupDemo5 {
public static void main(String[] args) throws IOException {
//获取document对象，根据XML文档获取
String path = JsoupDemo5.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
// 1.查询name标签
Elements name = document.select("name");
// System.out.println(name);
// 2.查询ID值为001的元素
Elements select = document.select("#001");
// System.out.println(select);
// 3.获取student标签并且number属性值为heima_0001的age子标签
//获取student标签并且number属性值为heima_0001
Elements select1 = document.select("student[number=\"heima_0001\"]");
// System.out.println(select1);
//获取student标签并且number属性值为heima_0001的age子标签
Elements select2 = document.select("student[number=\"heima_0001\"] > age");
System.out.println(select2);
}
}3.4. 2、Xpath
XPath：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：
package Jsoup;
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 org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
import java.util.List;
/**
* @author wang
* @version 1.0
* @packageName Jsoup
* @className JsoupDemo3
* @date 2022/3/4 14:55
* @Description Jsoup Xpath选择器
*/
public class JsoupDemo6 {
public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
//获取document对象，根据XML文档获取
String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
// 1.根据document对象创建JXdocument对象
JXDocument jxDocument = new JXDocument(document);
//查询所有student标签
// //:从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置（取子孙节点）。
List<JXNode> jxNodes = jxDocument.selN("//student");
for (JXNode jxNode : jxNodes) {
System.out.println(jxNode);
}
System.out.println("===========================");
//查询所有student标签下的name标签
// /:从根节点选取（取子节点）。
List<JXNode> jxNodes1 = jxDocument.selN("//student/name");
for (JXNode jxNode : jxNodes1) {
System.out.println(jxNode);
}
System.out.println("===========================");
//查询所有student标签下的带有ID属性的name标签
// @:选取属性。
// 例如：//title[@lang] 选取所有拥有名为 lang 的属性的 title 元素。
List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");
for (JXNode jxNode : jxNodes2) {
System.out.println(jxNode);
}
System.out.println("===========================");
//查询所有student标签下的带有ID属性的name标签,并且ID的属性值为002
// 例如：//title[@lang='eng'] 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id= '002']");
for (JXNode jxNode : jxNodes3) {
System.out.println(jxNode);
}
}
}
文章评论