31 爬虫 - XML介绍

什么是XML

• 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 的标签需要我们自行定义。
• XML 被设计为具有自我描述性。
• XML 是 W3C 的推荐标准

W3School官方文档：http://www.w3school.com.cn/xml/index.asp

XML 和 HTML 的区别

XML文档示例:

 

   
    Everyday Italian  
    Giada De Laurentiis  
    2005  
    30.00 
    

   
    Harry Potter  
    J K. Rowling  
    2005  
    29.99 
    

   
    XQuery Kick Start  
    James McGovern  
    Per Bothner  
    Kurt Cagle  
    James Linn  
    Vaidyanathan Nagarajan  
    2003  
    49.99 
   

   
    Learning XML  
    Erik T. Ray  
    2003  
    39.95 
   

HTML DOM 模型示例:

HTML DOM 定义了访问和操作 HTML 文档的标准方法，以树结构方式表达 HTML 文档。

XML的节点关系 1. 父（Parent）

每个元素以及属性都有一个父。

下面是一个简单的XML例子中，book 元素是 title、author、year 以及 price 元素的父：

  Harry Potter
  J K. Rowling
  2005
  29.99

2. 子（Children）

元素节点可有零个、一个或多个子。

在下面的例子中，title、author、year 以及 price 元素都是 book 元素的子：

  Harry Potter
  J K. Rowling
  2005
  29.99

3. 同胞（Sibling）

拥有相同的父的节点

在下面的例子中，title、author、year 以及 price 元素都是同胞：

  Harry Potter
  J K. Rowling
  2005
  29.99

4.先辈（Ancestor）

某节点的父、父的父，等等。

在下面的例子中，title 元素的先辈是 book 元素和 bookstore 元素：

  Harry Potter
  J K. Rowling
  2005
  29.99

5. 后代（Descendant）

某个节点的子，子的子，等等。

在下面的例子中，bookstore 的后代是 book、title、author、year 以及 price 元素：

  Harry Potter
  J K. Rowling
  2005
  29.99