XML学习笔记

原创

逆回十六夜

修改于 2020-02-10 17:08:39

6500

修改于 2020-02-10 17:08:39

文章被收录于专栏：逆回十六夜

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，可做配置文件，或者在网络中传输

XML和HTML的区别（引用于https://www.cnblogs.com/jqant/p/9497838.html）

1. 在html中不区分大小写，在xml中严格区分。

2. 在HTML中，有时不严格，如果上下文清楚地显示出段落或者列表键在何处结尾，那么你可以省略</p>或者</li>之类的结束标记。在XML中，是严格的树状结构，绝对不能省略掉结束标记。

3. 在XML中，拥有单个标记而没有匹配的结束标记的元素必须用一个/ 字符作为结尾。这样分析器就知道不用查找结束标记了。

4. 在XML中，属性值必须分装在引号中。在HTML中，引号是可用可不用的。

5. 在HTML中，可以拥有不带值的属性名。在XML中，所有的属性都必须带有相应的值。

6. 在XML文档中，空白部分不会被解析器自动删除；但是html是过滤掉空格的。

语法

基本语法

1.xml后缀名为.xml

2.xml第一行必须定义为文档声明(例如：<?xml version='1.0' ?> )，xml严格识别空格，第一行指绝对的第一行，否则无法解析。

3.xml文档中有且仅有一个根标签

4.属性值必须使用引号引起来

5.标签必须有结束标签

6.XML严格区分大小写

组成部分

1.文档声明

必须定义在第一行

格式<?xml 属性列表 ?>

属性列表：

version:版本号，必须属性

encoding：编码方式，告诉浏览器用什么编码解析，文本编辑器的编码格式应与encoding的解码格式相同，其中，高级的开发工具如eclipse或者idea等等，会自动修改文本编辑器的编码方式。

standalone:是否独立，指文件不依赖于其他的文件。standalone="yes" standalone="no"，主要用于约束，但是实际上现在很少使用了。

2.指令

可以使用CSS样式，用来展示数据（但是实际上现在XML很少用于展示数据）

<?xml-stylesheet type="text/css" href="a.css" ?>

加上了这条语句页面就会用于展示而浏览器不再显示XML的树状结构

3.标签

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

如果XML文档中的内容出现了一些特殊字符，需要转义

如

<code> if(a < b && a > c){do something} </code>

会直接报错，其中< >需要转义

<code>
    if(a &lt; b &amp;&amp; a &gt; c){do something}
</code>

5.文本

CDATA区，在该区域的数据会被原样展示，无需转义

<code>
    <![CDATA[
        if(a < b && a > c){do something}
    ]]>
</code>

XML约束

软件的用户编写软件读取的XML，以供软件解析。同时软件应提供XML的约束规定书写规则。

DTD（系统教学https://www.w3school.com.cn/dtd/dtd_intro.asp）

dtd好像无法约束实体的内容。。。

1.数据类型

PCDATA

PCDATA 的意思是被解析的字符数据（parsed character data）。

可把字符数据想象为 XML 元素的开始标签与结束标签之间的文本。

CDATA

CDATA 的意思是字符数据（character data）。

CDATA 是不会被解析器解析的文本。在这些文本中的标签不会被当作标记来对待，其中的实体也不会被展开。

PCDATA 是会被解析器解析的文本。这些文本将被解析器检查实体以及标记。

文本中的标签会被当作标记来处理，而实体会被展开。

不过，被解析的字符数据不应当包含任何 &、< 或者 > 字符；需要使用 &、< 以及 > 实体来分别替换它们。

2.内部的DTD声明

<?xml version="1.0"?>
<!DOCTYPE note [
  <!ELEMENT note (to,from,heading,body)>
  <!ELEMENT to      (#PCDATA)>
  <!ELEMENT from    (#PCDATA)>
  <!ELEMENT heading (#PCDATA)>
  <!ELEMENT body    (#PCDATA)>
]>
<note>
  <to>George</to>
  <from>John</from>
  <heading>Reminder</heading>
  <body>Don't forget the meeting!</body>
</note>

3.外部的DTD引用

假如 DTD 位于 XML 源文件的外部，那么它应通过下面的语法被封装在一个 DOCTYPE 定义中：

<!DOCTYPE 根元素 SYSTEM "文件名">

这个 XML 文档和上面的 XML 文档相同，但是拥有一个外部的 DTD:

<?xml version="1.0"?>
<!DOCTYPE note SYSTEM "note.dtd">
<note>
<to>George</to>
<from>John</from>
<heading>Reminder</heading>
<body>Don't forget the meeting!</body>
</note>

这是包含 DTD 的 "note.dtd" 文件：

<!ELEMENT note (to,from,heading,body)>
<!ELEMENT to (#PCDATA)>
<!ELEMENT from (#PCDATA)>
<!ELEMENT heading (#PCDATA)>
<!ELEMENT body (#PCDATA)>

schema(系统教学https://www.w3school.com.cn/schema/index.asp)

schema的作用

定义可出现在文档中的元素
定义可出现在文档中的属性
定义哪个元素是子元素
定义子元素的次序
定义子元素的数目
定义元素是否为空，或者是否可包含文本
定义元素和属性的数据类型
定义元素和属性的默认值以及固定值

schema相对dtd的优势

XML Schema 可针对未来的需求进行扩展
XML Schema 更完善，功能更强大
XML Schema 基于 XML 编写
XML Schema 支持数据类型
XML Schema 支持命名空间

schema元素有类型区分

最常用的类型是：

xs:string
xs:decimal
xs:integer
xs:boolean
xs:date
xs:time

对元素的限定方法可通过比较区间进行限定

<xs:simpleType>
  <xs:restriction base="xs:integer">
    <xs:minInclusive value="0"/>
    <xs:maxInclusive value="120"/>
  </xs:restriction>
</xs:simpleType>

也可以通过枚举进行限定

<xs:element name="car">

<xs:simpleType>
  <xs:restriction base="xs:string">
    <xs:enumeration value="Audi"/>
    <xs:enumeration value="Golf"/>
    <xs:enumeration value="BMW"/>
  </xs:restriction>
</xs:simpleType>

</xs:element>

通过正则限定

<xs:element name="letter">

<xs:simpleType>
  <xs:restriction base="xs:string">
    <xs:pattern value="[a-z]"/>
  </xs:restriction>
</xs:simpleType>

</xs:element>

示例代码

XML

<?xml version='1.0' encoding="GBK" ?>
<users xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="xsdtest.xsd">
    <user id="1">
        <name>张三</name>
        <age>23</age>
        <gender>male</gender>
        <code>
            <![CDATA[
                if(a < b && a > c){do something}
            ]]>
        </code>
    </user>
    <user id="2">
        <name>LiSi</name>
        <age>24</age>
        <gender>famale</gender>
    </user>
</users>

DTD

<?xml version="1.0" encoding="gbk" ?>
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema">
    <xs:element name="users">
        <xs:complexType>
            <xs:sequence>
                <xs:element name="user" type="xs:complexType" maxOccurs="unbounded"></xs:element>
            </xs:sequence>
        </xs:complexType>
    </xs:element>
    <xs:element name="user">
        <xs:complexType mixed="true">
            <xs:sequence>
                <xs:element name="name" type="xs:string"></xs:element>
                <xs:element name="age" type="xs:string"></xs:element>
                <xs:element name="gender" type="xs:string"></xs:element>
                <xs:element name="code" type="xs:string"></xs:element>
            </xs:sequence>
            <xs:attribute name="id" type="xs:integer" default="0"/>
        </xs:complexType>

    </xs:element>
    <xs:attribute name="id" type="xs:integer"/>
</xs:schema>

额外注意，attribute的内容必须放置在最后，否则报错。

XML的解析

解析XML的方式：

1.DOM:

将标记语言文档一次性加载进入内存，在内存中会形成一颗DOM树

资料来源：https://www.bilibili.com/video/av80685927?p=18

优点是操作方便，可以对文档进行C(reate)R(etrieve)U(pdate)D(elete)的所有操作

缺点是占用内存较多。

2.SAX:

逐行读取，基于事件驱动

优点是及时释放内存资源

缺点是不能CRUD

XML的常见解析器：

JAXP:SUN公司提供的解析器，支持DOM和SAX
DOM4J:一款优秀的解析器，基于DOM实现
Jsoup:是一款JAVA的HTML解析器，可直接解析URL地址，HTML文本内容
PULL:Android操作系统内置的解析器，基于sax

Jsoup的学习https://jsoup.org/download

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

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;

public class jsoupDemo {
    public static void main(String[] args) throws IOException {
        //获取document对象，根据xml文档获取
        //获取XML的path
        String path = jsoupDemo.class.getClassLoader().getResource("users.xml").getPath();
        //加载文档进内存，并获取DOM树
        Document document = Jsoup.parse(new File(path),"utf-8");
        //获取元素对象
        Elements elements = document.getElementsByTag("name");
        System.out.println(elements.size());
        //获取第一个element元素
        Element element = elements.get(0);
        System.out.println(element.text());
    }
}

jsoup的常见对象：

1.Jsoup:工具类，可以解析HTML或者XML，返回Document对象

parse:解析HTML或者XML，返回Document对象。其中有3个重载方法，解析文件，解析字符串，解析URL，写爬虫的时候比较方便

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import java.io.IOException;
import java.net.URL;

public class jsoupDemo {
    public static void main(String[] args) throws IOException {
        //获取document对象，根据xml文档获取
        //获取XML的path
        String path = jsoupDemo.class.getClassLoader().getResource("users.xml").getPath();
        Document document = Jsoup.parse(new URL(new String("http://www.baidu.com")),2000);
        System.out.println(document);
    }
}

2.Document:文档对象，内存中的DOM树