文章目录

XML 简介
XML 语法
XML 组成部分
XML 约束
- DTD
- - 名称解释
  - 引用内部的 DTD
  - 引用外部的 DTD
- Schema
- - 语法格式详解
  - 命名空间前缀的意义
XML 解析
- 解析 XML 的方式（思想）
- 解析器
- - JSOUP 的使用
  - - JSOUP 入门
快捷查询
- Jsoup 选择器查询
- XPath

XML 简介

XML，Extensible Markup Language，可扩展标记语言。
可扩展，主要是指标签完全由用户自定义。

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

XML 语法

语法规则：
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.后性值必须使用引号(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

XML 组成部分

1.文档声明

1.1.格式：<?xml 属性列表 ?>
1.2.属性列表：
version：版本号，必须的属性
encoding：指定解码的字符编码。告知解析引擎需要使用什么字符编码解码文档，默认值: ISO- 8859-1
standalone：是否独立。取值 yes：不依赖其他文件；取值 no：依赖其他文件。这个了解即可。

2.指令
引入 css 文件，用于展示 xml 文件的内容
<?xml-stylesheet type="text/css" href="demo.css" ?>

3.标签
自定义标签名称，命名规则和 HTML 相同

4.属性
id 属性值必须唯一

5.文本
CDATA区：在该区域中的数据会被原样展示

格式：<![CDATA[ 数据 ]]>

XML 约束

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
在这里插入图片描述
约束分类：
1.DTD：一种简单的约束技术
2.Schema：一种复杂的约束技术

DTD

引入 DTD 可以使用两种方式，引用内部定义的 DTD 和引用外部的 DTD 文档。

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

名称解释

#PCDATA：表示元素的内容是普通文本
CDATA：表示属性值的类型是字符串类型
#REQUIRED：表示属性是必须的
ID：表示属性值是唯一的
#IMPLIED：表示属性非必须的，即可有可无

引用内部的 DTD

下面的范例就是引用内部的 DTD：

<?xml version="1.0" encoding="utf-8"?>
<?xml-stylesheet type="text/css" href="demo.css"?>
<!DOCTYPE 书籍列表[<!-- 定义一个标签，名称叫"书籍列表"，里面包含标签"武侠小说"和"computer_book"，并且"武侠小说"和"computer_book"可以出现任意个（≥0）--><!ELEMENT 书籍列表 (武侠小说*,computer_book*)><!-- 定义一个标签，名称叫武侠小说，里面包含标签书名、作者、价格、册数、简介，要求出现的顺序必须一致，而且每个标签只能有1个，而且必须有--><!--作者+，表示作者标签可以有1个或者多个--><!--简介?，表示简介标签可以有0个或者1个--><!ELEMENT 武侠小说 (书名,作者+,价格,册数,简介?)><!ELEMENT computer_book (book_name,author,price,copies,profile)><!--(phone|mobile)*，表示可以出现phone或者mobile，或者两者都出现，可以出现多次--><!ELEMENT 作者 (name,(phone|mobile)*)><!ELEMENT name (#PCDATA)><!ELEMENT phone (#PCDATA)><!ELEMENT mobile (#PCDATA)><!ELEMENT 书名 (#PCDATA)><!ELEMENT 价格 (#PCDATA)><!ELEMENT 简介 (#PCDATA)><!ELEMENT 册数 (#PCDATA)><!ELEMENT book_name (#PCDATA)><!ELEMENT author (#PCDATA)><!ELEMENT price (#PCDATA)><!ELEMENT copies (#PCDATA)><!ELEMENT profile (#PCDATA)><!--表示武侠小说标签有属性isbn，且是必须的。REQUIREd表示必须，IMPLIED非必须，ID表示属性值唯一；有属性hot，默认值false--><!ATTLIST 武侠小说isbn CDATA ID #REQUIREddate CDATA #REQUIREdhot CDATA "false">]>

引用外部的 DTD

DTD 可以独立成文档，在 XML 文档中引入 DTD 文档，引入语法格式：

如果 DTD 文件在项目中：<!DOCTYPE 根标签名 SYSTEM "DTD文件的路径">
如果 DTD 文件在网络中：<!DOCTYPE 根标签名 PUBLIC "DTD文件名称" "DTD文件的URL">

DTD类型：
PUBLIC，行业共用的
SYSTEM，系统本地的，自定义的

Schema

语法格式详解

xmlns:namespace-prefix="namespace"，其中的 namespace-prefix 可以省略掉。namespace-prefix 叫做命名空间前缀，其实相当于变量，用来引用某个命名空间。

xmlns 是 XML Namespace 的缩写，译为 XML 命名空间。命名空间可理解为某种资源的别名，用来区分、识别不同的引用资源。

xmlns:xsi 表示使用 xsi 来引用指定的命名空间，而这个 xsi 在 XML 中叫做命名空间前缀。

xsi 是 XML Schema Instance，含义是 Schema 的实例，Schema 是一种约束技术，所谓实例就是这种技术的具体实现，所以 xsi 是用来引用 Schema 技术的具体实现的。

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 表示使用 xsi 引用命名空间 http://www.w3.org/2001/XMLSchema-instance。

Schema 技术的具体实现有很多，如下图所示：
在这里插入图片描述

xsi:schemaLocation 属性定义了 XML Namespace 和 XSD（Xml Schema Definition）文档的对应关系。它的值由一个或多个URL引用对组成，命名空间与 XSD 文件之间，以空格和换行分隔。第一个 URL 是 XSD 文件的 XML Namespace 的值，第二个 URL 则是 Schema 文档的位置，XML 引擎将从这个位置读取 Schema 文档，该文档的 targetNamespace 必须与第一个 URL 相匹配。

xsi:schemaLocation 属性是来自于某个具体的 Schema 技术实现，xsi 则引用某个命名空间，这个命名空间指向某个资源文件。

例如：

<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">

xsi 引用 http://www.w3.org/2001/XMLSchema-instance，http://www.w3.org/2001/XMLSchema-instance 是一种 Schema 的具体技术实现。

xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"，xsi:schemaLocation 属性是来自于前缀 xsi 的，而前缀 xsi 引用 http://www.w3.org/2001/XMLSchema-instance，所以 schemaLocation 属性其实是来自于 http://www.w3.org/2001/XMLSchema-instance，也就是说在 http://www.w3.org/2001/XMLSchema-instance 中定义了属性 schemaLocation。

schemaLocation 的值是 http://www.itcast.cn/xml student.xsd，说明 XML 具体使用的 Schema 定义文档时是 sutdent.xsd，而且这个文档的命名空间是 http://www.itcast.cn/xml，那么就可以通过 http://www.itcast.cn/xml 来引用文档 sutdent.xsd。

xmlns="http://www.itcast.cn/xml"，这个表示标签没有前缀的情况下默认引用的命名空间是 http://www.itcast.cn/xml，而这个命名空间指向的是 sutdent.xsd，所以标签没有前缀的情况下默认使用 sutdent.xsd 中的定义。

命名空间前缀的意义

<?xml version="1.0" encoding="UTF-8" ?>
<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xmlns="http://www.itcast.cn/xml"xmlns:a="http://www.itcast.cn/xml2"xsi:schemaLocation="http://www.itcast.cn/xml student.xsdhttp://www.itcast.cn/xml2 student2.xsd"><student number="heima_0001"><name>刘德华</name><age>11</age><gender>male</gender></student>
<!--这个student标签使用的是student2.xsd的定义--><a:student number="heima_0002"><a:name>张学友</a:name><a:age>11</a:age><a:gender>male</a:gender></a:student>
</students>

如上所示，xml 文档中引入两个 Scheme 定义文件，而这两个文件中都定义了标签 <student>、<name>、<age>、<gender>，那么你要使用哪个 XSD 文档定义的标签呢？你可以在标签前面加上前缀进行标识，这样 XML 引擎就知道要依据哪个 XSD 进行解析判断了。

XML 解析

操作 XML 文档：
所谓解析，就是读取数据（input/输入），将 XML 文档中的数据读取到内存中。
写入数据（output/输出），就是将内存中的数据保存到 XML 文档中，即所谓的持久化存储。

解析 XML 的方式（思想）

1.DOM
将标记语言文档一次性加载进内存中，在内存中形成一棵 DOM 数。适用于服务器等设备

优点：操作非常方便，可以对文档进行 CRUD 的所有操作
缺点：比较消耗内存

2.SAX
逐行读取，基于事件驱动，适用于内存空间小设备，例如：手机

优点：不占内存
缺点：只能读取，不能增删改

解析器

根据 DOM 或者 SAX 思想实现的工具包。
1.JAXP：sun 公司提供的解析器，支持 DOM 和 SAX 两种思想，很少使用
2.DOM4J：优秀的解析器，基于 DOM 思想实现，在服务器端常用
3.jsoup：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：安卓系统内置的解析器，基于 SAX 思想实现

JSOUP 的使用

步骤：
1.导入 jar 包
2.获取 Document 对象，这个对象代表整个 DOM 树结构
3. 获取对应的标签（即 Element 对象）
4. 获取数据

JSOUP 入门

package pri.lwx.javaex.xmlex.jsoup;import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;import java.io.File;
import java.io.IOException;/*** Jsoup快速入门** @author liaowenxiong* @date 2021/12/14 11:53*/public class JsoupDemo01 {public static void main(String[] args) throws IOException {// 获取XML文件的PathString path = JsoupDemo01.class.getClassLoader().getResource("pri/lwx/javaex/xmlex/schema/student.xml").getPath();// 解析XML文档，加载文档进内存，获取dom树（Document对象）// parse方法需要指定解码的编码格式Document doc = Jsoup.parse(new File(path), "utf-8");// 获取元素对象// getElementsByTag通过标签名获取元素对象集合// Elements继承自ArrayListElements elements = doc.getElementsByTag("name");// 查看集合的长度System.out.println("元素集合长度：" + elements.size());// 获取集合的第一个元素对象Element element = elements.get(0);// 获取集合对象中的文本数据String name = element.text();System.out.println(name);}
}

对象的说明：
1.Jsoup
工具类，可以解析 html 或者 xml 文档，返回 Document 对象
parse(File in, String charsetName)：解析 XML 和 HTML 文件
parse(String html)：解析 HTML 和 XML 字符串
parse(URL url, int timeoutMillis)：通过指定的网络资源路径获取对应的文档对象

2.Document
文档对象，代表内存中的dom树
Document 继承自 Element
通过 Document 对象获取 Element 对象或者 Element 对象集合

getElementsByTag(string tagName) ：根据标金名称获取元素对家集合
getElementsByAttribute(String key) ：根据属性名称获取元素对象集合
getElementsByAttributevalue(String key, String value) ：根据属性名和属性值获取元素对象集合
getElementsByClass(String classValue)：根据 class 属性值获取元素对象集合
getElementById(String id)：根据ID值获取元素对象

3.Elements
Element 对象的集合，本质是 ArrayList<Element>

4.Element
元素对象
4.1.可以获取子元素对象
4.2.可以获取元素的属性值
public String attr(String attributeKey)：根据属性名获取对应的属性值
4.3.可以获取元素的文本内容
public String text()：获取元素的文本内容，包含子元素中的文本内容
public String html()：获取元素的innerHTML内容，即标签体中所有的内容

5.Node
节点对象，Node 是 Element 的父类

快捷查询

Jsoup 选择器查询

public Elements select(String cssQuery)

参考 Selector 类中定义的语法

示例代码：

package pri.lwx.javaex.xmlex.jsoup;import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;import java.io.File;
import java.io.IOException;/*** Jsoup的选择器查询** @author liaowenxiong* @date 2021/12/15 10:19*/public class JsoupDemo04 {public static void main(String[] args) throws IOException {// 获取xml文件的绝对路径String path = JsoupDemo04.class.getClassLoader().getResource("pri/lwx/javaex/xmlex/schema/student.xml").getPath();// 获取xml文件对应的Document对象Document document = Jsoup.parse(new File(path), "utf-8");// 使用标签选择器（类似css的标签选择器）获取所有名称为student的元素Elements elements = document.select("student");System.out.println(elements);System.out.println("-----------------");// 使用属性值选择器获取所有number属性值为heima_0001的student元素Elements elements1 = document.select("student[number='heima_0001']");System.out.println(elements1);System.out.println("-----------------");// 使用属性值选择器+后代选择器，获取所有number属性值为heima_0001的student元素所包含的name元素Elements elements2 = document.select("student[number='heima_0001'] name");System.out.println(elements2);System.out.println("-----------------");}
}