【Java学习笔记（三十二）】之XML语法，XML的解析与Jsoup解析器

╰+攻爆jí腚メ 2023-10-09 13:21 36阅读 0赞

### 本文章由公号【开发小鸽】发布！欢迎关注！！！ ###

**老规矩–妹妹镇楼：**

![20200721223424816.JPG][]

### 一． XML ###

#### （一） 概述 ####

Extensible Markup Language，可扩展标记语言。所谓的可扩展性指的是XML的标签都是自定义的，不像HTML中标签都是预定义的。

#### （二） 功能 ####

XML是用于存储数据的，一般用于配置文件和网络中传输。

#### （三） XML与HTML的区别 ####

1.  XML标签是自定义的，HTML标签是预定义的
2.  XML的语法严格，HTML的语法松散
3.  XML用于存储数据，HTML用于展示页面

### 二． XML的语法 ###

#### （一） 基本语法 ####

1.  XML文档中有且仅有一个根标签
2.  XML文档第一行为XML文档声明
3.  XML文档的后缀名为.xml
4.  XML文档的标签属性名需用引号引起来
5.  XML标签区分大小写

#### （二） XML文档的组成 ####

##### 1. 文档声明 #####

###### （1） 格式 ######

<?xml 属性列表 ？>

###### （2） 属性列表 ######

**version:** 版本号，必写

**encoding:** 编码方式，告知解析引擎当前文档使用的字符集

**standalone:**：是否独立，独立即不依赖其他文件

##### 2. 标签 #####

自定义的标签命名规则：  
（1） 名称不能以数字或者标点符号开始

（2） 名称可以包含字母，数字以及其他字符

（3） 名称不能以xml（XML）开始

##### 3. 指令 #####

结合CSS控制样式

##### 4. 文本 #####

CDATA区：能够将该区域中的数据原样展示出来，如：

<![CDATA[数据]]>

#### （三） XML文档的约束 ####

##### 1. 概述 #####

XML文档受到约束文档的限制，通过约束文档来规范XML文档的书写规则。将约束文档引入XML文档中。

##### 2. 约束的分类 #####

###### （1） DTD ######

dtd文档的简单语法：

通过Element来定义标签  
如：定义了一个students标签，该标签中有多个student标签。

<!ELEMENT students(student*)>

如：定义一个student标签，该标签还有 name，age，sex三个标签，每个标签只能按照顺序出现一次。

<!ELEMENT student(name, age, sex)>

如：定义一个name标签，该标签中存储的是字符串

<!ELEMENT name(#PCDATA)>

将dtd文档引入到XML文档中，分为两种方式：  
一种是写在XML文档内部的dtd

一种是写在XML文档外部的dtd文档。  
外部的dtd文档又分为本地文档与网络中的文档：

本地dtd：`<!DOCTYPE 根标签名SYSTEM “dtd文件的位置”>`

根标签名为该dtd文档约束的XML文档中的根标签名，即最外层的标签名

SYSTEM代表的是本地的dtd文档

网络dtd：`<!DOCTYPE 根标签名 PUBLIC “dtd文件名字” “dtd文件的位置URL”>`

同理，PUBLIC 代表着网络中的dtd文件

###### （2） Schema(后缀为xsd) ######

xsd文档能够更加详细地限定XML的标签中的内容，当然也是更加的复杂。本质上xsd文档还是xml文档。

如：定义一个标签元素 students，类型是自定义类型studentsType

<xsd:element name=”students” type=”studentsType” />

如：为students标签定义自定义类型studentsType，该类型中限定按照顺序存储student标签，student标签又限定为自定义studentType类型，最小值为0，最大值未限定。

<xsd::complexType name=”studentsType”>
    <xsd:sequence>
    <xsd:element name=”student” type=”studentType” minOccurs=”0” maxOccurs=”unbounded” />
    </xsd:sequence>
    </xsd:complexType>

接下来，为student定义studentType类型(复杂类型)，按照顺序存储name标签（类型为string），age标签(类型为ageType)，sex标签(类型为sexType)，最后限定一个必选的属性number，类型为自定义numberType。

<xsd:complexType name=”studentType”>
    <xsd:sequence>
    <xsd:element name=”name” type=”xsd:string” />
    <xsd:element name=”age” type=”ageType” />
    <xsd:element name=”sex” type=”sexType” />
    </xsd:sequence>
    </xsd:attribute name=”number” type=”numberType” use=”required” />
    </xsd:complexType>

以ageType举例，ageType为简单类型，该类型限定基本数据类型为integer，最小值为0，最大值为256.

<xsd:simpleType name=”sexType”>
    <xsd:restriction base=”xsd:integer”>
    <xsd:minInclusive value=”0” />
    <xsd:maxInclusive value=”256”/>
    </xsd:restriction>
    </xsd:simpleType>

xsd文档的导入：

1.  填写XML文档的根标签students
2.  引入xsi前缀，xmlns:xsi=””
3.  引入xsd文件命名空间 xsi:schemaLocation=””
4.  为每一个xsd约束空间声明一个前缀，作为标识，因为当多个xsd文件中有相同的标签名需要区别，使用前缀会更加的方便。如：将该xsd声明为a ，xmlns:a=””

如：

### 三． XML的解析 ###

#### （一） 概述 ####

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保存到XML文档中，持久化地存储。

#### （二） 解析XML的方式 ####

##### 1. DOM #####

将标记语言文档一次性地加载到内存中，在内存中形成一个DOM树。

###### （1） 优点 ######

操作非常方便，可以对文档进行增删改查的操作

###### （2） 缺点 ######

缺点是DOM树是一开始就会生成的，且非常占内存，因此一般用于服务器端。

##### 2. SAX #####

不是一次性地加载到内存中，而是逐行读取。

###### （1） 优点 ######

不会占用太大的内存，因此经常用于移动端等内存不大的环境中。

###### （2） 缺点 ######

只能读取，不能增删改操作。

##### 3. XML的常见解析器 #####

###### （1） JAXP ######

sun公司提供的解析器，支持DOM和SAX两种思想

###### （2） DOM4J ######

###### （3） Jsoup ######

Java的一款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。

### 四． Jsoup解析器 ###

#### （一） Jsoup的使用步骤 ####

1.  导入Jsoup的jar包
2.  获取Document对象
3.  获取对应的标签Element对象
4.  获取数据

#### （二） 对象的使用 ####

##### 1. Jsoup #####

工具类，可以解析HTML或XML文档，返回Document对象

`Jsoup.parse(File in, String charsetName)`  
解析xml或HTML文件

`Jsoup.parse(String html)`  
解析html或xml字符串

`Jsoup.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对象的方法如下所示：

`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 #####

Element对象的集合，可当做`ArrayList<Element>`来使用

##### 4. Element #####

元素对象，在该元素对象中使用如下方法获取子元素对象：

`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

在该元素对象中使用如下方法获取属性值：

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

在该元素对象中使用如下方法获取文本内容：  
`String text()`  
获取子元素对象中的所有纯文本内容

`String html()`  
获取子元素对象中的所有内容（包括子元素的标签和纯文本内容）

#### （三） Jsoup选择器查询 ####

##### 1. selector:选择器 #####

通过选择器可以查找出文档中的标签信息，属性信息以及文本信息。

Elements select(String cssQuery)

如：  
查找document中标签名为name的元素

document.select(“name”);

查找document中id值为a的元素

document.select(“#a”);

查找doocument中的student标签，且该标签的number属性值为a的子标签

document.select(“student[number=\”a\”]”);

##### 2. Xpath #####

Xpath为XML的路径语言，是一种用来确定XML文档中某部分位置的语言，使用Jsoup的Xpath需要额外导入Xpath的jar包。通过查询手册，使用Xpath的语法查询。

如：  
通过标签名查询，标签名前是使用//

List<JXNode> jxNodes = jxDocument.selN(“//student”);

查询student标签下的子标签name:，子标签中间用/隔开

List<JXNode> jxNodes = jxDocument.selN(“//student/name”);

查询student标签下id属性等于a的name标签，使用@表示id

LIst<JXNode> jxNode = jxDocument.selN(“//student/name[@id=’a’]”);

[20200721223424816.JPG]: https://img-blog.csdnimg.cn/20200721223424816.JPG

【Java学习笔记（三十二）】之XML语法，XML的解析与Jsoup解析器

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关网络爬虫——Jsoup解析XML

相关【Java学习笔记（三十二）】之XML语法，XML的解析与Jsoup解析器

相关 java解析xml(java解析xml字符串)

相关 java用Jsoup解析XML文件

相关 XML学习笔记02【xml_解析】

相关 XML解析器

相关 XML笔记-xml解析与加载

相关 Java XML解析器

相关 Java XML解析器

相关 JavaScript 中 xml 的解析（jsoup 解析器）