XML：

概念：Extensible Markup Language 可扩展标记语言

• 可扩展：标签都是自定义的。
• 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
• w3c:万维网联盟

语法：

• 基本语法：
  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
• 快速入门：

  
  <?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>
  

• 组成部分：
  1. 文档声明
     1. 格式：

     
     <?xml 属性列表 ?>
     

     1. 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. 指令(了解)：结合css的，展示数据

     
     <?xml-stylesheet type="text/css" href="a.css" ?>

  3. 标签：标签名称自定义的
     • 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
  4. 属性：
     id属性值唯一
  5. 文本：
     • CDATA区：在该区域中的数据会被原样展示，可以不用特殊字符如‘<‘需要用 &lt
       • 格式：

       
        <![CDATA[ 数据内容 ]]>
       

约束

• 约束：规定xml文档的书写规则
  • 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
  • 分类：
    1. DTD:一种简单的约束技术,有缺陷,属性限定不全面
    2. Schema:一种复杂的约束技术
  • DTD：
    • 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">
        

        
        dtd文件内容
        <!ELEMENT students (student*) >
        <!ELEMENT student (name,age,sex)>
        <!ELEMENT name (#PCDATA)>
        <!ELEMENT age (#PCDATA)>
        <!ELEMENT sex (#PCDATA)>
        <!ATTLIST student number ID #REQUIRED>
        
        XML引入内部dtd
        <?xml version="1.0" encoding="UTF-8" ?>
        <!DOCTYPE students SYSTEM "student.dtd">
        
        <students>
            <student number="0001">
                <name>tom</name>
                <age>18</age>
                <sex>male</sex>
            </student>
        
        </students>
        

  • 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="xxx/student.xsd"
      4.为每一个xsd约束声明一个前缀(用来区分多个xsd文档),作为标识 xmlns="xxx/xml"（xmlns:a="xxx/xml"）

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

解析：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。
     • 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。
• 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。
  • 快速入门：
    • 步骤：
      1. 导入jar包
      2. 获取Document对象
      3. 获取对应的标签Element对象
      4. 获取数据
  • 代码：

  
       //2.1获取student.xml的path
      String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
      //2.2解析xml文档，加载文档进内存，获取dom树--->Document
      Document document = Jsoup.parse(new File(path), "utf-8");
      //3.获取元素对象 Element
      Elements elements = document.getElementsByTag("name");
  
      System.out.println(elements.size());
      //3.1获取第一个name的Element对象,elements继承ArrayList
      Element element = elements.get(0);
      //3.2获取数据
      String name = element.text();
      System.out.println(name);
  

• 对象的使用：
  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
       • 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
  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 （id）
       • 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
  3. Elements：元素Element对象的集合。可以当做 ArrayList来使用
  4. 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)
  5. Node：节点对象
     • 是Document和Element的父类

     
     import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
     import org.jsoup.Jsoup;
     import org.jsoup.nodes.Document;
     import org.jsoup.select.Elements;
     
     import java.io.IOException;
     import java.net.URL;
     
     public class JsoupDemo01 {
         public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
             String path= JsoupDemo01.class.getClassLoader().getResource("").getPath();
     
             URL url= new URL("https://www.baidu.com/");
             Document document = Jsoup.parse(url,10000);
             Elements tag = document.getElementsByTag("map");
             Elements btn = document.getElementsByAttributeValue("type","submit");
             String text = btn.attr("value");
             System.out.println(btn);
             System.out.println("-------------");
             System.out.println(text);
             System.out.println("-------------");
     
          }
     }
     
     

• 快捷查询方式：
  1. selector:选择器
     • 使用的方法：Elements select?(String cssQuery)
       • 语法：参考Selector类中定义的语法
  2. 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：

       
       //1.获取student.xml的path
       String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
       //2.获取Document对象
       Document document = Jsoup.parse(new File(path), "utf-8");
       
       //3.根据document对象，创建JXDocument对象
       JXDocument jxDocument = new JXDocument(document);
       
       //4.结合xpath语法查询
       //4.1查询所有student标签
       List<JXNode> jxNodes = jxDocument.selN("//student");
       for (JXNode jxNode : jxNodes) {
           System.out.println(jxNode);
       }
       
       System.out.println("--------------------");
       
       //4.2查询所有student标签下的name标签
       List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
       for (JXNode jxNode : jxNodes2) {
           System.out.println(jxNode);
       }
       
       System.out.println("--------------------");
       
       //4.3查询student标签下带有id属性的name标签
       List<JXNode> jxNodes3 = jxDocument.selN("//student/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pp
       
       List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='sex']");
       for (JXNode jxNode : jxNodes4) {
           System.out.println(jxNode);
       }
       

原文地址：https://www.cnblogs.com/huxiaobai/p/12129447.html