XML快速入门的保姆级教程!!!

简介
基础语法
组成部分
约束
- 约束分类
- - DTD
  - schema
解析
Jsoup
- Jsoup：工具类，可以解析html或xml文档，返回Document对象
- Document：文档对象。代表内存中的dom树（Document对象继承Elements对象，其获取Elements的方法也是继承自这个Elements对象）
- Elements：元素Element对象的集合。可以当做 ArrayList来使用
- Element：元素对象
- Node：节点对象
- 快捷查询方式：
- - 1. selector:选择器（根据类似于HTML中的选择器来查询XML中的标签元素）
  - 2.xPathXPath：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。

简介

在这里插入图片描述

基础语法

在这里插入图片描述

<?xml version='1.0' ?><!--文档第一行必须声明-->
<users>
   <user id='1'>
   <name>dhy</name>
   <br/><!--自闭合标签-->
   </user>
   
   <user id='2'>
   <name>xpy</name>
   <br/><!--自闭合标签-->
   </user>
   
</users>

组成部分

在这里插入图片描述

约束

在这里插入图片描述

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

1.引入DTD到xml文档中

内部dtd，将约束规则定义在xml文档中
外部dtd,将约束规定定义在外部的dtd文件中

dtd:

<!--ELEMENT用来定义标签-->
<!--stus标签下能放stu子标签，又因为这里是stu+,跟正则表达式一样，这里stu子标签至少出现一次-->
<!ELEMENT stus (stu+)>
        <!--stu标签里面能够出现name,age,sex标签，并且必须按照顺序出现-->
        <!ELEMENT stu (name,age,sex)>
        <!--PCDATA代表类型是字符串-->
        <!ELEMENT name (#PCDATA)>
        <!ELEMENT age (#PCDATA)>
        <!ELEMENT sex (#PCDATA)>
        <!--ATTLIST声明一个属性，stu标签有属性，属性名叫numebr,属性类型为ID，ID表名该number的属性值必须唯一-->
        <!--number属性是#REQUIRED，表明该属性必须出现-->
        <!ATTLIST stu number ID #REQUIRED> <!--ATTLIST用来定义属性-->

xml:

<?xml version="1.0" encoding="utf-8" ?>
<!DOCTYPE stus SYSTEM "stu.dtd">

<stus>

    <stu number="s001">
        <name>dhy</name>
        <age>18</age>
        <sex>man</sex>
    </stu>

</stus>

内部dtd用的很少，下面给出一种演示:

<?xml version="1.0" encoding="utf-8" ?>
<!DOCTYPE stus [
        <!--ELEMENT用来定义标签-->
        <!--stus标签下能放stu子标签，又因为这里是stu+,跟正则表达式一样，这里stu子标签至少出现一次-->
        <!ELEMENT stus (stu+)>
        <!--stu标签里面能够出现name,age,sex标签，并且必须按照顺序出现-->
        <!ELEMENT stu (name,age,sex)>
        <!--PCDATA代表类型是字符串-->
        <!ELEMENT name (#PCDATA)>
        <!ELEMENT age (#PCDATA)>
        <!ELEMENT sex (#PCDATA)>
        <!--ATTLIST声明一个属性，stu标签有属性，属性名叫numebr,属性类型为ID，ID表名该number的属性值必须唯一-->
        <!--number属性是#REQUIRED，表明该属性必须出现-->
        <!ATTLIST stu number ID #REQUIRED> <!--ATTLIST用来定义属性-->
        ]>

<stus>

    <stu number="s001">
        <name>dhy</name>
        <age>18</age>
        <sex>man</sex>
    </stu>

</stus>

schema

首先是dtd约束的局限性，schema相对于dtd来说，它可以对内容进行限定。

schema文档

* 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.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" 

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

schema的约束文档“student.xsd”

<?xml version="1.0"?>
<xsd:schema xmlns="http://www.itcast.cn/xml"
        xmlns:xsd="http://www.w3.org/2001/XMLSchema"
        targetNamespace="http://www.itcast.cn/xml" elementFormDefault="qualified">

    <xsd:element name="students" type="studentsType"/>      <!--声明一个student元素，类型是studentsType，下面会定义studentsType这个类型-->

    <xsd:complexType name="studentsType">
        <xsd:sequence>      <!--这里声明Sequence，表示按顺序出现下面元素-->
            <!--下面一行声明student标签，类型为studentType类型，最少出现minOccurs 0次，最多出现maxOccurs无限次-->
            <xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>
        </xsd:sequence>
    </xsd:complexType>      <!--这里对前面定义的studentsType这个类型进行定义-->

    <xsd:complexType name="studentType">
        <xsd:sequence>  <!--这里声明Sequence，表示按顺序出现下面元素-->
            <!--下面定义3个元素，并指定这三个元素的类型-->
            <xsd:element name="name" type="xsd:string"/>    <!--姓名是xsd：string字符串类型，这是是schema约束规定的类型，不需要我们自定义-->
            <xsd:element name="age" type="ageType" />       <!--年龄定义ageType类型-->
            <xsd:element name="sex" type="sexType" />       <!--性别定义sexType类型-->
        </xsd:sequence>
        <!--定义student标签的属性number，类型是numberType类型，必须出现-->
        <xsd:attribute name="number" type="numberType" use="required"/>
    </xsd:complexType>      <!--这里对前面定义的studentType这个类型进行定义-->

    <!--下面3个类型是简单类型，简单类型内部不定义其他标签，并且简单类型有相应的值，可以对值进行限定-->
    <xsd:simpleType name="sexType">
        <xsd:restriction base="xsd:string">     <!--基本的限定类型为schema自定义的字符串string类型-->
            <xsd:enumeration value="male"/>     <!--使用枚举类型限定sexType类型的值，要么是female，要么是male-->
            <xsd:enumeration value="female"/>
        </xsd:restriction>
    </xsd:simpleType>

    <xsd:simpleType name="ageType">
        <xsd:restriction base="xsd:integer">        <!--限定ageType的值是integer类型，数字-->
            <xsd:minInclusive value="0"/>   <!--限制最小值是0-->
            <xsd:maxInclusive value="256"/>     <!--限制最大值为256-->
        </xsd:restriction>
    </xsd:simpleType>       

    <xsd:simpleType name="numberType">
        <xsd:restriction base="xsd:string">     <!--限定numberType类型的值为字符串string类型-->
            <xsd:pattern value="heima_\d{4}"/>      <!--限制这个numberType类型值的格式必须为“heima_”+4个数字-->
        </xsd:restriction>
    </xsd:simpleType>

</xsd:schema>

<!--schema文档本身就是一个xml文档。这个文档看起来很复杂，其实与前面的dtd文档类似-->

xml文件student.xml

<?xml version="1.0" encoding="UTF-8" ?>
<!--
下面是schema文档的引入规则（比较复杂，其实我们看得懂即可，以后使用的时候配置文件一般会提供，我们修改即可）
	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"
	显示当前约束的版本，这是一个版本的命名空间，并给这个命名空间设置前缀为xsi。这是一种固定格式

	3.引入xsd文件命名空间.  xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"
	第二部分是当前schema约束文档的路径，并使用命名空间给schema文档的路径起一个名字。以后如果我们想要使用schema文档的元素，必须加上命名空间。
	如想使用students标签，必须写作“http://www.itcast.cn/xml:students”，如果都要加上会很麻烦。因此在下面我们给命名空间加一个前缀。

	4.为每一个xsd约束声明一个前缀,作为标识  xmlns="http://www.itcast.cn/xml"
	比如我们声明一个前缀“xmlns:a="http://www.itcast.cn/xml"”，以后我们使用student.xsd约束的元素的时候，就使用a表示命名空间，如“a:students”
	使用的所有student.xsd文档的文件必须都要写a:
	当我们只引入一个约束文档的时候，也可以不给命名空间加前缀，而是元素前面什么都不写，默认使用了当前唯一的命名空间。
	如果我们引入多个约束文档，必须给约束文档定义命名空间。而2个元素文档的标签元素可能相同，必须使用命名空间来区分这些约束。
	如果使用命名空间，看起来会很长，因此我们可以给命名空间起一个前缀名，这样看起来就简洁很多
 -->
<a:students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
		  xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"
		  xmlns:a="http://www.itcast.cn/xml">
	<a:student number="heima_0001">
		<a:name>zhangsan</a:name>
		<a:age>23</a:age>
		<a:sex>male</a:sex>
	</a:student>

</a:students>

解析

解析：操作xml文档，将文档中的数据读取到内存中。

我们对xml文档会进行2种操作——解析与写入（解析使用得比较多，而写入用得比较少）

解析(读取)：将文档中的数据读取到内存中

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：服务器端一般使用DOM思想，而在移动端会使用SAX思想。（一般标记型语言文档也是下面2类解析方式）

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

SAX：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

xml常见的解析器：

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：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。

Jsoup

步骤：
1. 导入jar包
2. 获取Document对象
3. 获取对应的标签Element对象
获取Document对象的方式有3种（下面代码我们使用第一种）
1) 从一个URL，文件或字符串中解析HTML；
2) 使用DOM或CSS选择器来查找、取出数据；
3) 可操作HTML元素、属性、文本；
4. 获取数据（比如我们可以获取文本内容等）

首先，同样记得将对应的jar包放入一个文件夹（如libs）,并将这个文件add as library。然后我们创建java的类，使用java语言来对XML文档进行解析（java可以调用用于解析XML的相关jar包的功能，从而实现XML的解析）。

演示:

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;

public class main {
    public static void main(String[] args) throws IOException {
        //1、导入jsoup的相关jar包（完成）

        //2、获取Document对象。我们通过xml文档来获取该文档的Document对象。
        //首先通过当前的jsoupDemo1的Class对象获取类加载器，再使用类加载器的getResource方法获取相关xml文档的URL，根据URL的getPath方法获取此URL的String路径
        //2.1获取student.xml的path
        String path = main.class.getClassLoader().getResource("stu.xml").getPath();
        //2.2解析xml文档，加载文档进内存，获取dom树--->Document，通过Jsoup的parse方法，同时可以指定解析字符集（字符串必须与XML文件的字符集一致）
        Document dom = Jsoup.parse(new File(path), "utf-8");//这里接收File对象，必须将XML文档的path转换为File对象。

        //3.获取元素对象 Element——public class Elements extends ArrayList<Element>（将Elements看做一个存放Element元素的ArrayList集合即可）
        Elements elements = dom.getElementsByTag("name");

        System.out.println(elements.size());//既然Elements可以看作一个ArrayList集合，长度使用size()方法
        for(int x=0 ; x<elements.size() ; x++) {
            //3.1获取name的Element对象
            Element element = elements.get(x);//使用ArrayList集合的get方法
            //3.2获取数据
            String text = element.text();
            System.out.println(text);
        }
    }
}

在这里插入图片描述

Jsoup：工具类，可以解析html或xml文档，返回Document对象

parse（静态方法）：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

/**
 * Jsoup对象功能：解析xml或html文档，并返回document对象
 * parse方法的三个重载形式
 */
public class main {
    public static void main(String[] args) throws IOException {
        //1、parse(File in, String charsetName)：解析xml或html文件的。
        String path = main.class.getClassLoader().getResource("stu.xml").getPath();
        Document doc1 = Jsoup.parse(new File(path), "utf-8");
//        System.out.println(doc1);//将整个student.xml文档的内容显示出来

        //2.parse(String html)：解析xml或html字符串
        String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
                "<students>\n" +
                "\t<student number=\"heima_0001\">\n" +
                "\t\t<name id=\"itcast\">\n" +
                "\t\t\t<xing>张</xing>\n" +
                "\t\t\t<ming>三</ming>\n" +
                "\t\t</name>\n" +
                "\t\t<age>18</age>\n" +
                "\t\t<sex>male</sex>\n" +
                "\t</student>\n" +
                "\t<student number=\"heima_0002\">\n" +
                "\t\t<name>jack</name>\n" +
                "\t\t<age>18</age>\n" +
                "\t\t<sex>female</sex>\n" +
                "\t</student>\n" +
                "</students>";//这里直接将student.xml的内容复制过来即可
        Document doc2 = Jsoup.parse(str);
//        System.out.println(doc2);//将整个student.xml文档的内容显示出来

        //3.parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象（多用于解析网络HTML页面）
        URL url = new URL("https://baike.baidu.com/item/jsoup/9012509?fr=aladdin");//代表网络中的一个资源路径。我们在这里解析一个html页面演示
        Document doc3 = Jsoup.parse(url, 10000);//第二个参数设置的是超时的时间
        System.out.println(doc3);//打印出对应页面的html源代码
        }
    }

Document：文档对象。代表内存中的dom树（Document对象继承Elements对象，其获取Elements的方法也是继承自这个Elements对象）

在XML中，Document对象主要用来获取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:

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;

public class main {
    public static void main(String[] args) throws IOException {
        //获取Document对象
        String path = main.class.getClassLoader().getResource("stu.xml").getPath();
        Document doc = Jsoup.parse(new File(path), "utf-8");

        //3.获取元素对象了。
        //3.1获取所有student对象的Elements集合
        Elements elements = doc.getElementsByTag("student");
//        System.out.println(elements);//打印出2个student对象的源代码

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

        //3.2根据id的属性值，获取相应的的元素对象的集合（返回单个的Elements对象，因为id的值唯一）
        Element ly = doc.getElementById("ly");
//        System.out.println(ly);//打印id值为“ly”的元素的代码
        System.out.println("-----------");

        //3.3 获取属性名为id的元素对象们（既获取包含id属性的标签）
        Elements elements1 = doc.getElementsByAttribute("id");
//        System.out.println(elements1);//只要标签中有包含id属性，就都会被打印出来
        System.out.println("-----------");

        //3.4获取 number属性值为s001的元素对象
        Elements elements2 = doc.getElementsByAttributeValue("number", "s001");//根据标签属性以及属性值查找标签
        System.out.println(elements2);//属性值number值为“s001”的标签会被打印
        System.out.println("-----------");

    }
}

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

这个Elements对象只是一个存储Element元素的ArrayList集合。

Element：元素对象

获取子元素对象（与前面通过Document获取标签集合的方法相同，但是这里只能获取一个标签内的子标签） 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

//下面的方法是Element对象继承其父类Node对象的方法

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(包括子标签的字符串内容)

示例代码:

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;

public class main {
    public static void main(String[] args) throws IOException {
        //获取Document对象
        String path = main.class.getClassLoader().getResource("stu.xml").getPath();
        Document doc = Jsoup.parse(new File(path), "utf-8");

        //通过Document对象获取name标签，获取所有的name标签，可以获取到两个
        Elements elements = doc.getElementsByTag("name");//包含所有名为name的标签
        System.out.println(elements.size());
        System.out.println("----------------");

        //通过Element对象获取子标签对象
        Element element_student = doc.getElementsByTag("stu").get(0);//获取第一个名为“stu”的元素
        Elements ele_name = element_student.getElementsByTag("name");//获取这个“stu”标签下的名为name的标签
        System.out.println(ele_name.size());//只能获取到一个name
        System.out.println("----------------");

        //获取stu对象的属性值
        //这个方法不区分大小写
        String number = element_student.attr("number");//根据stu标签的number属性名，获取该number属性的值
        System.out.println(number);
        System.out.println("------------");

        //获取student标签下子标签name标签的相应值
        String text = ele_name.text();//获取name标签下的相应的纯文本
        String html = ele_name.html();//获取name标签体的所有内容(包括子标签的字符串内容，包括子标签的标签以及文本)
        System.out.println(text);
        System.out.println(html);

    }
}

Node：节点对象

是Document和Element的父类，Node里面定义了很多方法

快捷查询方式：

使用上面的getElement方法，如果我们想要查询某个标签，必须一级一级查询，很麻烦。而Jsoup提供了2个便捷的查询方法

1. selector:选择器（根据类似于HTML中的选择器来查询XML中的标签元素）

使用的方法：Elements select(String cssQuery)（这个方法是Element类下的方法）

使用选择器查询的语法：参考Selector类中定义的选择器的语法（查询Jsoup文档）

代码示例:

        //获取Document对象
        String path = main.class.getClassLoader().getResource("stu.xml").getPath();
        Document doc = Jsoup.parse(new File(path), "utf-8");

        //虽然select方法是Element类中的方法，但是Document对象继承自Element对象，因此一般我们使用Document对象来调用select方法
        //查询name标签
        /* 类似于CSS中的元素选择器，如html的div选择器。
            div{

            }
         */
        Elements elements = doc.select("name");//这里查询的格式：直接使用标签名
//        System.out.println(elements);//将xml文档中name标签全部查询出来
        System.out.println("----------------");


        //4.查询id值为itcast的元素。类似于CSS的id选择器，查询的格式为：#id名
        Elements elements1 = doc.select("#ly");
//        System.out.println(elements1);//将id名为“ly”的元素全部查询出来
        System.out.println("----------------");

        //5.获取stu标签并且number属性值为s001的age子标签（这里是元素选择器结合属性选择器）
        //5.1.获取stu标签并且number属性值为s001
        Elements elements2 = doc.select("stu[number=\"s001\"]");//这里既可以使用转义字符\"，也可以直接使用'
//        System.out.println(elements2);
        System.out.println("----------------");

        //5.2获取stu标签并且number属性值为s001的age子标签
        Elements elements3 = doc.select("stu[number='s001'] > age");
        System.out.println(elements3);

2.xPathXPath：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。

XPath是一门对XML树形结构进行直接操作的语言。因此在java中使用的时候，需要导入额外的jar包。

这里相当于是用Jsoup先获取XML文档的Document对象，然后使用XPath的jar包提供的工具，结合java代码来获取XML文档Document树的某一些节点。

使用Jsoup的Xpath需要额外导入jar包。（注意使用前导入“JsoupXpath-0.3.2.jar”并add as library）
查询菜鸟教程，使用xpath的语法完成查询

代码示例:

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 main {
    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
        //获取Document对象
        String path = main.class.getClassLoader().getResource("stu.xml").getPath();
        Document doc = Jsoup.parse(new File(path), "utf-8");

        //3.根据document对象，创建JXDocument对象
        JXDocument jxDoc = new JXDocument(doc);

        //4.结合xpath语法查询
        //4.1查询所有stu标签
        List<JXNode> jxNodes1 = jxDoc.selN("//stu");//查询返回的是存储JXNode节点的List集合
        //这个JXNode对象可以用来获取对应标签的各种成分
        for(JXNode jxNode : jxNodes1 )//foreach快捷键：iter+回车
        {
            System.out.println(jxNode);
        }

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

        //4.2查询所有stu标签下的name标签
        List<JXNode> jxNodes2 = jxDoc.selN("//stu/name");
        for(JXNode jxNode : jxNodes2)
        {
            System.out.println(jxNode);
        }
        System.out.println("--------------------");

        //4.3查询stu标签下带有id属性的name标签
        List<JXNode> jxNodes3 = jxDoc.selN("//stud/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ly
        List<JXNode> jxNodes4 = jxDoc.selN("//stu/name[@id='ly']");
        for(JXNode jxNode : jxNodes4)
        {
            System.out.println(jxNode);
        }
        
    }
}

XML快速入门的保姆级教程!!!

XML快速入门的保姆级教程!!!

简介

基础语法

组成部分

约束

约束分类

DTD

schema

解析

Jsoup

Jsoup：工具类，可以解析html或xml文档，返回Document对象

Document：文档对象。代表内存中的dom树（Document对象继承Elements对象，其获取Elements的方法也是继承自这个Elements对象）

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

Element：元素对象

Node：节点对象

快捷查询方式：

1. selector:选择器（根据类似于HTML中的选择器来查询XML中的标签元素）

2.xPathXPath：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。

相关推荐

一个分享Java & Python知识的社区