XML的学习

XML 简介

XML，Extensible Markup Language，可扩展标记语言。 可扩展，主要是指标签完全由用户自定义。

功能：存储数据 1.配置文件 2.在网络中传输

xml 与 html 的区别： 1.xml 标签都是自定义的，html 标签是预定义 2.xml 的语法严格，html 语法松散 3.xml 是存储数据的，html 是展示数据

XML 语法

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.后性值必须使用引号(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

XML 组成部分

1.文档声明

1.1.格式： 1.2.属性列表： version：版本号，必须的属性 encoding：指定解码的字符编码。告知解析引擎需要使用什么字符编码解码文档，默认值: ISO- 8859-1 standalone：是否独立。取值 yes：不依赖其他文件；取值 no：依赖其他文件。这个了解即可。

2.指令 引入 css 文件，用于展示 xml 文件的内容

3.标签 自定义标签名称，命名规则和 HTML 相同

4.属性 id 属性值必须唯一

5.文本 CDATA区：在该区域中的数据会被原样展示

格式：

XML 约束

作为框架的使用者(程序员) ： 1.能够在 xml 中引入约束文档 2.能够简单的读懂约束文档 约束分类： 1.DTD：一种简单的约束技术 2.Schema：一种复杂的约束技术

DTD

引入 DTD 可以使用两种方式，引用内部定义的 DTD 和引用外部的 DTD 文档。

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

名称解释

#PCDATA：表示元素的内容是普通文本 CDATA：表示属性值的类型是字符串类型 #REQUIRED：表示属性是必须的 ID：表示属性值是唯一的 #IMPLIED：表示属性非必须的，即可有可无

引用内部的 DTD

下面的范例就是引用内部的 DTD：

DOCTYPE 书籍列表[
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        
        ]>

引用外部的 DTD

DTD 可以独立成文档，在 XML 文档中引入 DTD 文档，引入语法格式：

如果 DTD 文件在项目中： 如果 DTD 文件在网络中：

DTD类型： PUBLIC，行业共用的 SYSTEM，系统本地的，自定义的

Schema 语法格式详解

xmlns:namespace-prefix="namespace"，其中的 namespace-prefix 可以省略掉。namespace-prefix 叫做命名空间前缀，其实相当于变量，用来引用某个命名空间。

xmlns 是 XML Namespace 的缩写，译为 XML 命名空间。命名空间可理解为某种资源的别名，用来区分、识别不同的引用资源。

xmlns:xsi 表示使用 xsi 来引用指定的命名空间，而这个 xsi 在 XML 中叫做命名空间前缀。

xsi 是 XML Schema Instance，含义是 Schema 的实例，Schema 是一种约束技术，所谓实例就是这种技术的具体实现，所以 xsi 是用来引用 Schema 技术的具体实现的。

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 表示使用 xsi 引用命名空间 http://www.w3.org/2001/XMLSchema-instance。

Schema 技术的具体实现有很多，如下图所示：

xsi:schemaLocation 属性定义了 XML Namespace 和 XSD（Xml Schema Definition）文档的对应关系。它的值由一个或多个URL引用对组成，命名空间与 XSD 文件之间，以空格和换行分隔。第一个 URL 是 XSD 文件的 XML Namespace 的值，第二个 URL 则是 Schema 文档的位置，XML 引擎将从这个位置读取 Schema 文档，该文档的 targetNamespace 必须与第一个 URL 相匹配。

xsi:schemaLocation 属性是来自于某个具体的 Schema 技术实现，xsi 则引用某个命名空间，这个命名空间指向某个资源文件。

例如：

xsi 引用 http://www.w3.org/2001/XMLSchema-instance，http://www.w3.org/2001/XMLSchema-instance 是一种 Schema 的具体技术实现。

xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"，xsi:schemaLocation 属性是来自于前缀 xsi 的，而前缀 xsi 引用 http://www.w3.org/2001/XMLSchema-instance，所以 schemaLocation 属性其实是来自于 http://www.w3.org/2001/XMLSchema-instance，也就是说在 http://www.w3.org/2001/XMLSchema-instance 中定义了属性 schemaLocation。

schemaLocation 的值是 http://www.itcast.cn/xml student.xsd，说明 XML 具体使用的 Schema 定义文档时是 sutdent.xsd，而且这个文档的命名空间是 http://www.itcast.cn/xml，那么就可以通过 http://www.itcast.cn/xml 来引用文档 sutdent.xsd。

xmlns="http://www.itcast.cn/xml"，这个表示标签没有前缀的情况下默认引用的命名空间是 http://www.itcast.cn/xml，而这个命名空间指向的是 sutdent.xsd，所以标签没有前缀的情况下默认使用 sutdent.xsd 中的定义。

命名空间前缀的意义

    
        刘德华
        11
        male
    

    
        张学友
        11
        male
    

如上所示，xml 文档中引入两个 Scheme 定义文件，而这两个文件中都定义了标签 、、、，那么你要使用哪个 XSD 文档定义的标签呢？你可以在标签前面加上前缀进行标识，这样 XML 引擎就知道要依据哪个 XSD 进行解析判断了。

XML 解析

操作 XML 文档： 所谓解析，就是读取数据（input/输入），将 XML 文档中的数据读取到内存中。 写入数据（output/输出），就是将内存中的数据保存到 XML 文档中，即所谓的持久化存储。

解析 XML 的方式（思想）

1.DOM 将标记语言文档一次性加载进内存中，在内存中形成一棵 DOM 数。适用于服务器等设备

优点：操作非常方便，可以对文档进行 CRUD 的所有操作 缺点：比较消耗内存

2.SAX 逐行读取，基于事件驱动，适用于内存空间小设备，例如：手机

优点：不占内存 缺点：只能读取，不能增删改

解析器

根据 DOM 或者 SAX 思想实现的工具包。 1.JAXP：sun 公司提供的解析器，支持 DOM 和 SAX 两种思想，很少使用 2.DOM4J：优秀的解析器，基于 DOM 思想实现，在服务器端常用 3.jsoup：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：安卓系统内置的解析器，基于 SAX 思想实现

JSOUP 的使用

步骤： 1.导入 jar 包 2.获取 Document 对象，这个对象代表整个 DOM 树结构 3. 获取对应的标签（即 Element 对象） 4. 获取数据

JSOUP 入门

package pri.lwx.javaex.xmlex.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;

/**
 * Jsoup快速入门
 *
 * @author liaowenxiong
 * @date 2021/12/14 11:53
 */

public class JsoupDemo01 {
    public static void main(String[] args) throws IOException {
        // 获取XML文件的Path
        String path = JsoupDemo01.class.getClassLoader()
                .getResource("pri/lwx/javaex/xmlex/schema/student.xml")
                .getPath();
        // 解析XML文档，加载文档进内存，获取dom树（Document对象）
        // parse方法需要指定解码的编码格式
        Document doc = Jsoup.parse(new File(path), "utf-8");
        // 获取元素对象
        // getElementsByTag通过标签名获取元素对象集合
        // Elements继承自ArrayList
        Elements elements = doc.getElementsByTag("name");
        // 查看集合的长度
        System.out.println("元素集合长度：" + elements.size());
        // 获取集合的第一个元素对象
        Element element = elements.get(0);
        // 获取集合对象中的文本数据
        String name = element.text();
        System.out.println(name);
    }
}

对象的说明： 1.Jsoup 工具类，可以解析 html 或者 xml 文档，返回 Document 对象 parse(File in, String charsetName)：解析 XML 和 HTML 文件 parse(String html)：解析 HTML 和 XML 字符串 parse(URL url, int timeoutMillis)：通过指定的网络资源路径获取对应的文档对象

2.Document 文档对象，代表内存中的dom树 Document 继承自 Element 通过 Document 对象获取 Element 对象或者 Element 对象集合

getElementsByTag(string tagName) ：根据标金名称获取元素对家集合 getElementsByAttribute(String key) ：根据属性名称获取元素对象集合 getElementsByAttributevalue(String key, String value) ：根据属性名和属性值获取元素对象集合 getElementsByClass(String classValue)：根据 class 属性值获取元素对象集合 getElementById(String id)：根据ID值获取元素对象

3.Elements Element 对象的集合，本质是 ArrayList

4.Element 元素对象 4.1.可以获取子元素对象 4.2.可以获取元素的属性值 public String attr(String attributeKey)：根据属性名获取对应的属性值 4.3.可以获取元素的文本内容 public String text()：获取元素的文本内容，包含子元素中的文本内容 public String html()：获取元素的innerHTML内容，即标签体中所有的内容

5.Node 节点对象，Node 是 Element 的父类

快捷查询 Jsoup 选择器查询

public Elements select(String cssQuery)

参考 Selector 类中定义的语法

示例代码：

package pri.lwx.javaex.xmlex.jsoup;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;

/**
 * Jsoup的选择器查询
 *
 * @author liaowenxiong
 * @date 2021/12/15 10:19
 */

public class JsoupDemo04 {
    public static void main(String[] args) throws IOException {
        // 获取xml文件的绝对路径
        String path = JsoupDemo04.class.getClassLoader()
                .getResource("pri/lwx/javaex/xmlex/schema/student.xml")
                .getPath();
        // 获取xml文件对应的Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");
        // 使用标签选择器（类似css的标签选择器）获取所有名称为student的元素
        Elements elements = document.select("student");
        System.out.println(elements);
        System.out.println("-----------------");
        // 使用属性值选择器获取所有number属性值为heima_0001的student元素
        Elements elements1 = document.select("student[number='heima_0001']");
        System.out.println(elements1);
        System.out.println("-----------------");
        // 使用属性值选择器+后代选择器，获取所有number属性值为heima_0001的student元素所包含的name元素
        Elements elements2 = document.select("student[number='heima_0001'] name");
        System.out.println(elements2);
        System.out.println("-----------------");
    }
}

XPath

XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。 XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。

使用 XPath 需要导入相关的 jar 包：

JsoupXpath-2.5.1.jar slf4j-jdk14-1.6.1.jar slf4j-api-1.7.32.jar antlr4-runtime-4.7.2.jar commons-lang3-3.12.0.jar

主页：https://github.com/zhegexiaohuozi/JsoupXpath 教程：https://www.w3school.com.cn/xpath/index.asp