正文 

当前位置： 首页 > java > java教程

xml的约束与xml/html的解析

胡小白の成长      2022-02-13     507

关键词：

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：
    1. 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
    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：

        
//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);
}

java:简单的解析xml文件之使用dom解析

XML简介要理解XML，HTML等格式，先来理解文档对象模型DOM　　根据DOM，HTML文档中的每个成分都是一个节点，这些节点组成了一棵树。DOM是这样规定的：整个文档是一个文档节点每个HTML标签是一个元素节点包含在HTML元素中的文本... 查看详情

xml和xml解析(代码片段)

...析，直接原样输出。　　<![CDATA[数据内容]]>　　2.XML约束   dtd约束与schema约束　约束的好处：可以去规范我们的xml标签(根据自己的要求)，可以在工具上有相应的提示; 　dtd与schema的区别：　　　　 dtd没有... 查看详情

xml约束

本节要点：了解XML的约束模式了解DTD了解Schema1 了解XML的约束模式计算机程序在处理XML文档之前，必须能够解析出XML文档的内容中各个元素的相关信息。将解析出来的信息再交给下游程序进行下一步处理。Parser就是用于解析XM... 查看详情

xml的转义字符--约束-xml解析器

 XML解析器：Dom适合增删改查（crud），缺点就是内存消耗大； Sax：内存消耗非常小，解析速度快，但是不适合增删改；    查看详情

xml的约束(schema)

XMLSchema也是一种用于定义和描述XML文档结构与内容的模式语言，其出现是为了克服DTD的局限性　　XMLSchema符合XML语法结构　　DOM、SAX等XMLAPI很容易解析出XMLSchema文档中的内容　　一个XML中个可以有多个schema，多个Schema使用名称空... 查看详情

json&xml简析

转载自：http://my.oschina.net/aofe/blog/269260JSON：XML：JSON格式说明：HTML&XML的对比HTML：XML：HTML5新特性：NSXMLParser解析方法:SAX(SimpleAPIforXML)特点：DOM（DocumentObjectModel）特点：NSXMLParser解析过程：XML目前应用场景：JSON&XMLJSO 查看详情

java模拟servlet执行dtd约束schema约束dom4j解析（读写xml）

...口不同(访问路径)，访问的资源也不同。我们需要使用xml约束(DTD或schema);为了获得xml的内容，我们需要使用dom4j进行解析。 XML(不同路径(/hello)执行不同的资源(HeIIoMyServlet))XML可扩展的标记语言 标签可自定义的 包下创建 查看详情

xmlschema---xml的约束技术

Schema 是xml的约束技术，出现的目的是为了替代dtd本身也是一个xml,非常方便使用xml的解析引擎进行解析对名称空间有非常好的支持支持更多的数据类型，并且支持用户自定义数据类型可以进行说语义级别的限定，限定能力大... 查看详情

python十大必学模块是啥？

...统。cola –爬虫框架portia –可视化爬虫3、HTML/XML解析方面：lxml –高效HTML/XML处理库cssselect –解析DOM树和CSS选择器。pyquery –解析DOM树和jQuery选择器。html5lib –根据WHATWG规范生成HTML/XML文档的DOMfeedparser ... 查看详情

dom4j配合xpath解析schema约束的xml配置文件问题(代码片段)

如果一个xml文件没有引入约束,或者引入的是DTD约束时,那么使用dom4j和xpath是可以正常解析的,不引入约束的情况本文不再展示。引入DTD约束的情况mybook.dtd:<?xmlversion="1.0"encoding="UTF-8"?><!ELEMENTbooks(book+)><!ELEM... 查看详情

schema约束

13写一个DTD约束文件14Schema约束14.1什么是Schema约束Schema是新的XML文档约束； Schema要比DTD强大很多，是DTD替代者； Schema本身也是XML文档，但Schema文档的扩展名为xsd，而不是xml。 Schema功能更强大，数据类型更完善 Schema支持名称空间... 查看详情

day23-xml解析(代码片段)

...理解】什么是XML2.【掌握】XML的书写与组成3.【理解】XML约束4.【掌握】XML四种解析方式二、XML概述2.1XML概念ExtensibleMarkupLanguage可扩展标记语言可扩展：标签都是自定义的。2.2XML作用常用于存储数据和配置文件最常用的功能就... 查看详情

day23-xml解析(代码片段)

...理解】什么是XML2.【掌握】XML的书写与组成3.【理解】XML约束4.【掌握】XML四种解析方式二、XML概述2.1XML概念ExtensibleMarkupLanguage可扩展标记语言可扩展：标签都是自定义的。2.2XML作用常用于存储数据和配置文件最常用的功能就... 查看详情

day23-xml解析(代码片段)

...理解】什么是XML2.【掌握】XML的书写与组成3.【理解】XML约束4.【掌握】XML四种解析方式二、XML概述2.1XML概念ExtensibleMarkupLanguage可扩展标记语言可扩展：标签都是自定义的。2.2XML作用常用于存储数据和配置文件最常用的功能就... 查看详情

04_xml_03_xmldtd约束与校验

【什么是XML约束】在XML技术里，可以编写一个文档来约束一个XML文档的书写规范，称之为XML约束。常见的XML约束技术有：XMLDTD和XMLSchemaDTD（DocumentTypeDefinition）：文档类型定义【DTD简单案例】 【book.dtd】注意：DTD文件应该使用... 查看详情

xml文件基础

 https://c3d.club/xml/basic/2018/12/27/xml-file-base.html 1.文件头 XML文件头有XML声明与DTD文件类型声明组成。其中DTD文件类型声明是可以缺少的，关于DTD声明这里不做介绍，而XML声明是必须要有的，以使文件符合XML的标准规格。 在P... 查看详情

xml学习笔记

...sp; 第一部分：XML简介　　　　我们经常可以听到XML、HTML、XHTML这些语言，后两者比较清楚，一直不是很明白XML是什么，这里做一个总结。　　XML(eXtensibleMarkupLanguage),即为可扩展标记语言，被用来传输和存储数据，我们使用的... 查看详情

python爬虫入门(代码片段)

...子集文章目录python爬虫入门(8)一.Xpath简介1.何为Xpath2.Xpath解析原理3.Xpath语法二.示例1.XML2.HTML一.Xpath简介​准备工作：​pipinstalllxml​lxml是一种解析器1.何为Xpath解析XML的一种语言(HTML其 查看详情