文章目錄

• • 1 概念
  • 2 語法
  • • 2.1 基本語法
    • 2.2 組成部分
    • 2.3 約束
    • • 2.3.1 使用DTD約束
      • 2.3.2 使用Schema約束
  • 3 解析
  • • 3.1 將文檔中的數(shù)據(jù)讀到內存
    • 3.2 XML常見的解析器
  • 4 Jsoup
  • • 4.1 使用Jsoup
    • 4.2 對象的使用
    • • 4.2.1 Jsoup對象
      • 4.2.2 Document對象
      • 4.2.3 Element對象
    • 4.3 快捷查詢方式
    • • 4.3.1 selector選擇器
      • 4.3.2 XPath

1 概念

Extensible Markup Language 可擴展標記語言

可擴展：標簽都是自定義的

功能：存儲數(shù)據(jù)

• 配置文件
• 在網絡中傳輸

xml和html的區(qū)別

• xml的標簽都是自定義的 html的標簽都是預定義的
• xml語法嚴格 html語法松散
• xml是存儲數(shù)據(jù)的 html是展示數(shù)據(jù)的

2 語法

2.1 基本語法

• 后綴名是.xml
• 第一行必須定義為文檔聲明
• <?xml version="1.0" encoding="utf-8" ?>
• xml中有且僅有1個根標簽
• 屬性值必須使用引號引起來
• 標簽必須有結束
• xml標簽區(qū)分大小寫

2.2 組成部分

• 文檔聲明：<?xml 屬性列表 ?>
  屬性列表：version版本號、encoding編碼方式（默認ISO-8859-1）、standalone是否獨立（'yes’不依賴其他文件/'no’依賴其他文件）
• 指令：結合css控制樣式（了解）<?xml-stylesheet type="text/css" href="#.css" ?>
• 標簽：名稱自定義。數(shù)字、標點不能開頭，名稱不能以xml開頭，名稱不能包含空格。
• 屬性：id屬性唯一
• 文本：CDATA區(qū)，在這個區(qū)域的內容會原樣展示< ! [ CDATA [ 展示數(shù)據(jù) ] ] >

2.3 約束

約束：規(guī)定xml文檔的書寫規(guī)則
目標：在xml中引入約束文檔，讀懂約束文檔

分類

• DTD：一種簡單的約束技術
• Schema：一種復雜的約束技術

2.3.1 使用DTD約束

將dtd文檔引入xml文檔
-<!DOCTYPE 根標簽名 SYSTEM "dtd文件位置">

<!ELEMENT students (student*) > <!--根標簽是students *表示子標簽student可以出現(xiàn)多次--> <!ELEMENT student (name,age,sex)> <!--student有三個子標簽可以出現(xiàn)1次--> <!ELEMENT name (#PCDATA)> <!--子標簽的數(shù)據(jù)類型是PCDATA--> <!ELEMENT age (#PCDATA)> <!ELEMENT sex (#PCDATA)> <!ATTLIST student number ID #REQUIRED> <!--student必須有id--> <?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>

2.3.2 使用Schema約束

可以約束標簽的屬性值
引入約束：首先填寫根標簽，然后引入xsi前綴，引入xsd文件命名空間，給每個xsd約束聲明一個前綴作為標識

3 解析

3.1 將文檔中的數(shù)據(jù)讀到內存

操作xml文檔將文檔中的數(shù)據(jù)讀取到內存中

解析XML的方式：服務端一般用DOM 移動端一般用SAX

• DOM : 將標記語言文檔一次性加載進內存，在內存中形成一棵DOM樹。
  優(yōu)點：操作方便，可以對文檔進行CRUD的所有操作
  缺點：消耗內存
• SAX：逐行讀取，基于事件驅動的。讀一行釋放一次。
  優(yōu)點：不占內存
  缺點：只能讀取，不能增刪改

3.2 XML常見的解析器

• JAXP：SUN公司提供的解析器，支持DOM和SAX兩種思想
• DOM4J
• Jsoup：是一款HTML解析器，通過DOM，CSS以及類似于jQuery的操作方法來取出和操作數(shù)據(jù)。可以直接解析URL地址和HTML文本內容
• PULL：安卓OS內置的解析器，使用SAX方式。

4 Jsoup

4.1 使用Jsoup

導入jar包

獲取Document對象

獲取對應的標簽Element對象

獲取數(shù)據(jù)

public static void main(String[] args) throws IOException {//獲取xml的pathString path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();System.out.println(path);/*E:/JavaLearn/project/JavaScript/out/production/JavaScript/student.xml*///解析xml文檔 加載文檔進內存 獲取dom樹Document document = Jsoup.parse(new File(path), "utf-8");//獲取Element元素對象Elements elements = document.getElementsByTag("name");//獲取第一個name的element對象Element element = elements.get(0);String name = element.text();System.out.println(name);}

4.2 對象的使用

主要對象

• Jsoup是一個工具類，可以解析html或xml文檔，返回Document對象
• Document是文檔對象，代表內存中的DOM樹
• Elements是元素Element對象的集合，可以當作ArrayList<Element>來使用
• Element是元素對象，可以獲取元素的屬性和文本等
• Node是節(jié)點對象，是以上對象的父親。

4.2.1 Jsoup對象

Jsoup主要方法

• Jsoup.parse(File in, String charset) 用來解析html和xml文檔返回Document對象，參數(shù)是XML或HTML文件
• Jsoup.parse(String html) 可以解析xml或html格式的字符串，返回DOM對象
• Jsoup.parse(URL url, int timeoutMills) 通過網絡獲取指定的html或xml文檔對象

爬蟲解析HTML時常用

public static void main(String[] args) throws IOException {URL url = new URL("https://www.baidu.com");Document parse = Jsoup.parse(url, 10000);System.out.println(parse);}

4.2.2 Document對象

• getElementById(String id)根據(jù)id屬性值獲取唯一的element對象
• getElementsByTag(String name)根據(jù)標簽名獲取元素對象的集合
• getElementsByAttribute(String key)根據(jù)屬性名稱獲取元素對象的集合
• getElementsByAttributeValue(String key, String value)根據(jù)對應的屬性名和屬性值獲取元素對象

4.2.3 Element對象

獲取子元素對象

• getElementById(String id)根據(jù)id屬性值獲取唯一的element對象
• getElementsByTag(String name)根據(jù)標簽名獲取元素對象的集合
• getElementsByAttribute(String key)根據(jù)屬性名稱獲取元素對象的集合
• getElementsByAttributeValue(String key, String value)根據(jù)對應的屬性名和屬性值獲取元素對象

獲取屬性值

• String attr(String key)：根據(jù)屬性名稱獲取屬性值

獲取文本內容

• String text()：獲取文本內容
• String html()：獲取標簽體的所有內容 包括子標簽的字符串內容

public static void main(String[] args) throws IOException {String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "UTF8");//通過DOM對象獲取name標簽 可以獲取所有的name標簽Elements elements = document.getElementsByTag("name");System.out.println(elements.size());//通過ELement對象獲取name標簽Element student = document.getElementsByTag("student").get(0);//第一個標簽//通過Element對象獲取子標簽對象Elements name = student.getElementsByTag("name");System.out.println(name.size());//獲取student的屬性值String number = student.attr("number");System.out.println(number);//獲取文本內容String text = elements.text();System.out.println(text);//僅獲取文本System.out.println(elements.html());//獲取子標簽和文本}

4.3 快捷查詢方式

4.3.1 selector選擇器

• Elements select(String cssQuery)
• 語法：參考selector類的文檔

public static void main(String[] args) throws IOException {String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "UTF8");//查詢name標簽Elements name = document.select("name");//標簽選擇器System.out.println(name+"\n");//查詢id值為XXX的元素Elements select = document.select("#smalltom");System.out.println(select+"\n");//獲取student標簽并且number屬性值為 001 的age子標簽Elements select1 = document.select("student[number='001']");//1. 獲取student標簽并且number屬性值為 001System.out.println(select1+"\n");//2. 獲取001的student標簽子標簽Elements select2 = document.select("student[number='001'] > age");System.out.println(select2);}

4.3.2 XPath

XML路徑語言，用來確定XML文檔中查找信息的語言
對DOM樹形結構進行操作
需要導入JsoupXpath的jar包
查詢w3cshool的參考手冊區(qū)使用XPath的語法進行查詢

public static void main(String[] args) throws IOException, XpathSyntaxErrorException {String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "UTF8");//根據(jù)DOM對象創(chuàng)建JXDocumentJXDocument jxDocument = new JXDocument(document);//查詢所有student標簽List<JXNode> jxNodes = jxDocument.selN("//student");System.out.println(jxNodes+"\n");//查詢所有student標簽下的所有name標簽List<JXNode> jxNodes1 = jxDocument.selN("//student/name");System.out.println(jxNodes1+"\n");//查詢所有student標簽下帶id屬性的name標簽List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");System.out.println(jxNodes2+"\n");//查詢所有student標簽下帶id屬性的name標簽 且屬性值為XXXList<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id='XXX']");System.out.println(jxNodes3);}

總結

以上是生活随笔為你收集整理的【JavaWeb】XML和Jsoup的相关内容的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。