XML的约束与XML/HTML的解析

时间：2020-01-01 19:12:46 收藏：0 阅读：77

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：

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

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：https://www.cnblogs.com/huxiaobai/p/12129447.html