java web学习5——XML、Jsoup-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_46185085/article/details/108135084

1. 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

1.1 示例代码

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>

1.2 组成部分

文档声明
1. 格式：<?xml 属性列表 ?>
2. 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
指令(了解)：结合css的
- <?xml-stylesheet type="text/css" href="a.css" ?>
- 注意：css的写法与之前一样。
  css文件
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
属性：
id属性值唯一
文本：
- CDATA区：在该区域中的数据会被原样展示，即不需要转义字符（<为<)。
  - 格式： <![CDATA[ 数据 ]]>

1.3 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
  2. Schema:一种复杂的约束技术

1.3.1 约束——DTD技术

DTD：
- 引入dtd文档到xml文档中，dtd文档分为外部dtd和内部dtd：
  - 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，外部dtd又分为本地的和网络的。
    - 本地dtd的引入格式：<!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">
    - 网络dtd的引入格式：<!DOCTYPE 根标签名 PUBLIC "dtd文件名字" "dtd文件的位置URL">

示例代码：

<!--dtd文件内容-->
<!ELEMENT students (student*) >  <!--students标签里能放多个student子标签-->
<!ELEMENT student (name,age,sex)> <!--student标签里能出现name,age,sex三个子标签-->
<!ELEMENT name (#PCDATA)> <!--name标签里是字符串-->
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!ATTLIST student number ID #REQUIRED>
<!--student标签里有属性，属性名是number，属性类型是ID，并且该属性必须出现-->

<!--xml文件内容-->
<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE students SYSTEM "student.dtd">

<students>
	<student number="itcast_0001">
		<name>tom</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	
</students>

不足：DTD文档不能约束标签中的具体内容。而Schema技术可以。

1.3.2 约束——Schema技术

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”

//默认不需要标识前缀
xmlns="http://www.itcast.cn/xml" 
//以a作为标识前缀
xmlns:a="http://www.itcast.cn/xml"

示例代码：
student.xsd文件内容

<?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"/>
    <xsd:complexType name="studentsType">
        <xsd:sequence>
            <xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>
        </xsd:sequence>
    </xsd:complexType>
    <xsd:complexType name="studentType">
        <xsd:sequence>
            <xsd:element name="name" type="xsd:string"/>
            <xsd:element name="age" type="ageType" />
            <xsd:element name="sex" type="sexType" />
        </xsd:sequence>
        <xsd:attribute name="number" type="numberType" use="required"/>
    </xsd:complexType>
    <xsd:simpleType name="sexType">
        <xsd:restriction base="xsd:string">
            <xsd:enumeration value="male"/>
            <xsd:enumeration value="female"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="ageType">
        <xsd:restriction base="xsd:integer">
            <xsd:minInclusive value="0"/>
            <xsd:maxInclusive value="256"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="numberType">
        <xsd:restriction base="xsd:string">
            <xsd:pattern value="heima_\d{4}"/>
        </xsd:restriction>
    </xsd:simpleType>
</xsd:schema>

xml文件内容

<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"
 		    >
 	<student number="heima_0001">
 		<name>tom</name>
 		<age>18</age>
 		<sex>male</sex>
 	</student>
		 
 </students>

1.4 解析

解析的含义是，操作xml文档，将文档中的数据读取到内存中。

操作xml文档的两种方式，分别是解析(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的两种方式：
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

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

一般在服务器端，用DOM方式，在客户端，用SAX方式。

1.4.1 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。

1.4.2 Jsoup学习

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。
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

示例代码：

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
Element element = elements.get(0);
//3.2获取数据
String name = element.text();
System.out.println(name);

1.4.3 对象的使用

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
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
  - 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
Elements：元素Element对象的集合。可以当做 ArrayList来使用
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（剔除标签的内容）
  - String html():获取标签体的所有内容(包括字标签的字符串内容)
Node：节点对象
- 是Document和Element的父类

1.4.4 快捷查询方式（不需要逐层的去写代码，然后去查询）

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

代码展示：

//根据标签名查找
Elements elements = document.select("name");
System.out.println(elements);
System.out.println("=-----------------------");
//查询id值为itcast的元素，类似CSS的选择器命名规则
Elements elements1 = document.select("#itcast");
System.out.println(elements);
//5. 获取student标签，并且number属性值为0001
Elements elements2 = document.select("student[number=\"0001\"]");
 //5. 获取student标签，并且number属性值为0001的age子标签
Elements elements2 = document.select("student[number=\"0001\"] > age");

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

代码展示：

//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);
}