XML入门

什么是XML

Extensible Markup Language 可扩展标记语言。主要用于存储数据。

基本语法

xml文档的后缀名 .xml
xml第一行必须定义为文档声明
xml文档中有且仅有一个根标签
属性值必须使用引号引起来
标签必须正确关闭
xml标签名称区分大小写

<?xml version="1.0" encoding="utf-8" ?>
<Persons>
    <Person number="1">
        <name>张三</name>
        <age>17</age>
    </Person>
    <Person number="2">
        <name>李四</name>
        <age>18</age>
    </Person>
</Persons>

标签的命名规则

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

XML的特殊字符必须转义，通过CDATA可以保证数据原样输出。xml文档中的所有文本都会被解析器解析，只有CDATA区段中的文本会被解析器忽略。

格式

1
2
3

<![CDATA[
原样输出的内容
 ]]>

XML的约束：规定XML文的书写规则

DTD（简单的约束）
- 内部dtd ：将约束定义在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">

<?xml version="1.0" encoding="utf-8" ?>   
<!-- 内部 -->
<!DOCTYPE Persons [   
 <!ELEMENT Persons (Person*)>   
 <!ELEMENT Person (name,age)>   
 <!ELEMENT name (#PCDATA)>   
 <!ELEMENT age (#PCDATA)>   
 <!ATTLIST Person number ID #REQUIRED>   
 ]>

Schema（复杂的约束）

Schenma 约束XML数据具体类型，存储数据的类型严格按照Schema约束，否则报错。

<?xml version="1.0" encoding="UTF-8" ?>
<students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	           xsi:schemaLocation="http://www.stranger-info.top/xml  student.xsd"
 	           xmlns="http://www.stranger-info.top/xml"
  >
 <student number="id_1">
 	<name>张三</name>
 	<age>18</age>
 	<sex>男</sex>
 </student>
</students>

解析XML

操作XML文档，将文档中的数据读取到内存中，或者将内存中的数据写入保存到XML文档中，解析XML的方式主要有两种。

DOM
一次性全部加载进内存，在内存中生成DOM树，所有内存消耗大，不适用内存小的设备，但是DOM操作方便。
SAX
SAX通过事件驱动，逐行读取，读取完一行之后，进行释放，然后读取下一行。所有SAX不占用多少内存，不能对数据进行操作。

常见的XML解析器

JAXP
DOM4J
Jsoup
PULL

Jsoup使用

public static void main(String[] args) throws IOException {
    //获取文档路径
    String path = JsoupDemo01.class.getClassLoader().getResource("hello.xml").getPath();
    //解析文档 获取 Document对象
    Document document = Jsoup.parse(new File(path), "utf-8");
    //获取元素对象 
    Elements elements = document.getElementsByTag("name");
    //获取第一个name的Element对象
    Element element = elements.get(0);
    //获取数据
    String text = element.text();
    System.out.println(text);
}

Jsoup.parse ( )

1
2
3

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 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

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

String attr(String key)：根据属性名称获取属性值

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)

selector 选择器使用

<persons>
    <person number="id_1">
        <name>张三</name>
        <age>18</age>
    </person>
    <person number="id_2">
        <name>李四</name>
        <age>18</age>
    </person>
</persons>

public static void main(String[] args) throws IOException {
    //获取文档路径
    String path = JsoupDemo01.class.getClassLoader().getResource("hello.xml").getPath();
    //解析文档 获取Document对象
    Document document = Jsoup.parse(new File(path), "utf-8");
    //获取Person标签并且number属性id_1的age子标签
    Elements elements = document.select("person[number=\"id_1\"]>age");
    System.out.println(elements);
    /* 输出结果
    <age>
     17
    </age>
     */
}

Xpath 选择器使用

public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
    //获取文档路径
    String path = JsoupDemo01.class.getClassLoader().getResource("hello.xml").getPath();
    //解析文档 获取Document对象
    Document document = Jsoup.parse(new File(path), "UTF-8");
    //创建JXDocument对象
    JXDocument jxDocument=new JXDocument(document);
    //查询所有person标签下的name标签
    List<JXNode> jxNodes = jxDocument.selN("//person/name");
    for(JXNode jxNode:jxNodes){
        System.out.println(jxNode);
    }
    /*输出结果
    <name>
    张三
    </name>
    <name>
    李四
    </name>
     */

}