标签：Xml xml JavaWeb XML 获取 HTML 文档 String

XML

XML为什么出现？

XML有两个先驱：SGML和HTML，这两个语言都是非常成功的标记语言，但是都有一些与生俱来的缺陷。XML正是为了解决它们的不足而诞生的。

先出现了SGML，然后又出现了HTML，HTML继承了SGML的一些优点，然后出现了XML。

• SGML十分庞大，既不容易学，又不容易使用
• HTML的优点：抛弃了SGML复杂庞大的缺点，最大的特点是简单性和跨平台性。
  • HTML的缺点：无法描述数据、可读性差、搜索时间长等
  • HTML语句的松散性，导致编写HTML语句很随意，即使不规范，各大厂商为了提高浏览器的使用用户数量，仍然能做到可以解析这种不规范写法的HTML语句，导致HTML语句不规范，所以出现了XML。

1.XML概念

XML：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

2.XML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

• 组成部分：

  • 1.文档声明

    格式：<?xml 属性列表 ?>
    

  • 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

      <?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

      格式： <![CDATA[ 数据 ]]>
      

快速入门：

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

约束技术就是让你在XML编写标签的时候，要按约束的规范进行编写。

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">
    

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=“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”

  <students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  		  xmlns="http://www.clearlast.cn/xml"
  		  xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd">
  

为什么要有xmlns的出现？

• https://baike.baidu.com/item/xmlns 请查看该链接的产生原因和使用方法两个菜单。

3.XML解析

解析XML文档 就相当于 HTML中的DOM树。
拿到这个DOM树的对象，就可以对DOM树中的各个元素进行操作（CRUD)

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

  DOM一般用于服务器，SAX用于Android（手机端）。

---

• 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。

  • Jsoup快速入门：
    步骤：

    1. 导入jar包

    2. 获取Document对象（也就是DOM树）
       

    3. 获取对应的标签Element对象

    4. 获取数据

---

• 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
        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

    • 4.1 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
      

    • 4.2. 获取属性值

        String attr(String key)：根据属性名称获取属性值
      

    • 4.3. 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
    

---

• 快捷查询方式：
  1.selector:选择器

  • 使用的方法：Elements select​(String cssQuery)
    String cssQuery（这里面可以编写选择器）

      语法：参考Selector类中定义的语法
    

    

2. 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：
     

总结：

1.必须操作的，先加载文件进内存，获取路径，然后通过路径获取DOM对象。

//1.获取student.xml的path
String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
//2.将文档加载进内存，并获取document对象
Document document = Jsoup.parse(new File(path), "UTF-8");

标签：Xml,xml,JavaWeb,XML,获取,HTML,文档,String
来源： https://blog.csdn.net/qq_44785877/article/details/113839458

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。