XML解析

XML：

1、概念

• Extensible Markup Language 可扩展标记语言。
  • 可扩展：标签都是自定义的。例如： <user> <student>
  • 功能：存储数据、充当配置文件、网络中数据传输
  • 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

2、语法：

• XML文档声明
  <?xml version="1.0" encoding="UTF-8"?>
  1、文档声明必须为<?xml开头，以?>结束；
  2、文档声明必须从文档的0行0列位置开始；
  3、文档声明只有三个属性：
  (1)versioin：指定XML文档版本。必须属性，因为我们不会选择1.1，只会选择1.0；
  (2)encoding：指定当前文档的编码。可选属性，默认值是utf-8；
  (3)standalone：指定文档独立性。可选属性，默认值为yes，表示当前文档是独立文档。如果为no表示当前文档不是独立的文档，会依赖外部文件。

• 元素
  <servlet>
  1、元素是XML文档中最重要的组成部分，
  2、普通元素的结构开始标签、元素体、结束标签组成。例如：<hello>大家好</hello>
  3、元素体：元素体可以是元素，也可以是文本，例如：<b><a>你好</a></b>
  4、空元素：空元素只有开始标签，而没有结束标签，但元素必须自己闭合，例如：<c/>
  5、元素命名：
  (1) 区分大小写
  (2) 不能使用空格，不能使用冒号:
  (3) 不建议以XML、xml、Xml开头
  6、良好的XML文档，必须有一个根元素。

• 属性
  <web-app version="2.5">
  1、属性是元素的一部分，它必须出现在元素的开始标签中
  2、属性的定义格式：属性名=属性值，其中属性值必须使用单引或双引
  3、一个元素可以有0~N个属性，但一个元素中不能出现同名属性
  4、属性名不能使用空格、冒号等特殊字符，且必须以字母开头

• 注释
  XML的注释与HTML相同，即以“<!--”开始，以“-->”结束。注释内容会被XML解析器忽略！

3、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>

4、约束

• 约束：规定xml文档的书写规则

• 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：
  1、 引入dtd文档到xml文档中
  2、内部dtd：将约束规则定义在xml文档中
  3、外部dtd：将约束的规则定义在外部的dtd文件中
  4、本地：<!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">
  5、网络：<!DOCTYPE 根标签名 PUBLIC "dtd文件名字" "dtd文件的位置URL">

• Schema:
  1、引入Schema约束
  2、填写xml文档的根元素
  3、引入xsi前缀. xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  4、引入xsd文件命名空间. xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"
  5、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"
			xmlns="http://www.itcast.cn/xml"
			xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd">

解析XML

1、解析
解析(读取)：将文档中的数据读取到内存中
回写(写入)：将内存中的数据保存到xml文档中。持久化的存储
2、解析方法
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

3、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。

4、解析开发包
1、JAXP：sun公司提供支持DOM和SAX开发包
2、JDom：dom4j兄弟
3、jsoup：一种处理HTML特定解析开发包
4、dom4j：比较常用的解析开发包，hibernate底层采用。

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。
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

 //1获取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
//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
Element element = elements.get(0);
//3.2获取数据
String name = element.text();
System.out.println(name);

Dom4j

    //#1 获得document
	SAXReader saxReader = new SAXReader();
	Document document = saxReader.read(new File("src/cn/itcast/a_xml/web.xml"));
	
	//#2 获得根元素
	Element rootElement = document.getRootElement();
	
	//打印version属性值
	String version = rootElement.attributeValue("version");
	System.out.println(version);
	
	//#3 获得所有子元素。例如：<servlet>/<servlet-mapping>
	List<Element> allChildElement = rootElement.elements();
	
	//#4 遍历所有
	for (Element childElement : allChildElement) {
		// #5.1 打印元素名
		String childEleName = childElement.getName();
		System.out.println(childEleName);
		
		// #5.2 处理<servlet> ,并获得子标签的内容。例如：<servlet-name> 等
		if("servlet".equals(childEleName)){
			// 方式1：获得元素对象，然后获得文本
			Element servletNameElement = childElement.element("servlet-name");
			String servletName = servletNameElement.getText();
			System.out.println("\t" + servletName);
			
			// 方式2：获得元素文本值
			String servletClass = childElement.elementText("servlet-class");
			System.out.println("\t" + servletClass);
			
		}
		
		// #5.3 处理<servlet-mapping> 省略... 
		
	}

5、快捷查询方式
selector选择器
1、使用的方法：Elements select​(String cssQuery)
2、语法：参考Selector类中定义的语法
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
1、使用Jsoup的Xpath需要额外导入jar包。
2、询w3cshool参考手册，使用xpath的语法完成查询

//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itcast
 List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
for (JXNode jxNode : jxNodes4) {
    System.out.println(jxNode);
}