¶一、XML 概述

XML 指可拓展标记语言（EXtensible Markup Language），可拓展指的是，XML 标签并没有被预定义，需要自行定义标签。

XML 是 W3C 的推荐标准，语法极为严格。

¶XML的自我描述性

XML 标签具有自我描述性，如下举例：

<note>
<to>Nami</to>
<from>Luffy</from>
<heading>Reminder</heading>
<body>Don't forget go to school this weekend!</body>
</note>

显然，上面的 XML 文档，并没有做任何事情，仅仅是包装在 XML 标签中的纯粹信息。我们需要编写软件或程序，才能传送、接收和显示出这个文档。

¶XML 与 HTML 的区别

	XML	HTML
着重点	数据的内容	数据的外观
用途	传输和存储数据	格式化并显示数据
标签	自定义	预定义
空格字符	标签体内部的空格字符不会删减	将多个连续的空格字符合并为一个空格字符
语法	严格	较松散

¶二、XML 语法

XML 文档举例：

<?xml version="1.0" encoding="UTF-8" ?>
<students>
    <student number = "strawhat_0001">
        <name>Luffy</name>
        <age>20</age>
        <sex>male</sex>
    </student>
    <student number = "strawhat_0002">
        <name>Nami</name>
        <age>20</age>
        <sex>female</sex>
    </student>
</students>

¶组成部分

文档声明
格式：<?xml 属性列表 ?>；
其中，属性列表有：
- version：版本号，必须项，大部分为 1.0
- 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，但我们希望是 utf-8
- standalone：是否独立。取值若为 yes，则不依赖其他文件
指令：结合 CSS 的（略）
标签：标签名称自定义的，其命令规则为：
- 名称可以包含字母、数字以及其他的字符
- 名称不能包含空格
- 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
实用经验：XML 文档常有一个对应的数据库，其中的字段会对应 XML 文档中的元素，因而推荐使用数据库的命名规则来命名 XML 文档中元素
属性：尽量使用元素来描述数据。而仅仅使用属性来提供与数据无关的信息。
有时候会向元素分配 ID 应用，这些 ID 索引可用于标识 XML 元素（属性值是唯一的），它起作用的方式与 HTML 中 id 属性是一样的。
元数据（有关数据的数据）应当存储为属性，而数据本身应当存储为元素。
文本：在 XML 中，一些字符，如 <、>、&、'、" 等，拥有特殊的意义。若希望展示上述特殊字符，可以使用实体引用（如 < 来代替 < 等），也可以使用 CDATA 区来“原样展示”内容
CDATA 区，即不应该由 XML 解析器解析的文本数据，格式为：
1
2
3
<![CDATA[ 数据 ]]>

¶注意事项

XML 文档的后缀名为 .xml
XML 第一行必须定义为文档声明
XML 文档中有且仅有一个根标签
属性值必须使用引号(单双都可)引起来
标签必须正确关闭，如 <br />
XML 标签名称大小写敏感

¶约束（XML规则）

约束，即规定了 XML 文档书写规则。

拥有正确语法的 XML 被称为"形式良好"的 XML。而通过 DTD 验证的XML是"合法"的 XML。

以下为两种 XML 的约束技术：

¶XML DTD

DTD 的目的是定义 XML 文档的结构。DTD 使用一系列合法的元素来定义文档结构。（也就说，规定 XML 文档应该按什么东西进行编写）

DTD 可被成行地声明于 XML 文档中，也可作为一个外部引用。

内部 DTD：将约束规则定义在 XML 文档中。如下：

<?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>Tove</to>
<from>Jani</from>
<heading>Reminder</heading>
<body>Don't forget me this weekend</body>
</note>

外部 DTD：将约束规则定义在外部的 DTD 文件中，然后在 XML 文档中，以 DOCTYOE 进行声明：

DTD文件若在本地：<!DOCTYPE 根标签名 SYSTEM "DTD文件的位置">
DTD文件若在网络：<!DOCTYPE 根标签名 PUBLIC "DTD文件名称(自定义)" "DTD文件的位置URL">

如下举例：XML文档，拥有一个外部的 DTD

<?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE students SYSTEM "student.dtd"> <!--外部文档声明-->

<students>
	<student number="s001">
		<name>Luffy</name>
		<age>20</age>
		<sex>hehe</sex>
	</student>
	<student number="s002">
		<name>Nami</name>
		<age>24</age>
		<sex>female</sex>
	</student>
</students>

其外部的 DTD文件：student.dtd

<!ELEMENT students (student*) >
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!ATTLIST student number ID #REQUIRED>

如上规定，<name>、<age>、<sex> 三个标签必须按顺序编写；#PCDATA 表明标签体内容为一字符串；ATTLIST 声明了属性，属性名称为 number，类型为 ID（表示该属性值必须唯一）；#REQUIRED 要求了该属性必须定义

¶XML Schema

相较于 DTD，Schema 对标签体的内容进行了更加严格的限定。

比如说：我希望在 <age> 标签体内容中限定只能是数字，而不能是其他的字符。对于 Schema的约束，甚至连 <age> 标签体中的数字大小有规定，又或者，对于 <sex> ，规定只有两种取值。

Schema 的约束文件名后缀为 xsd

步骤：

填写 XML 的根元素
引用 xsi 前缀，属固定格式。（如下方 student.xml文档的第 2 行）推荐取值为：
1
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
引入 xsd 文件命名空间（如下方 student.xml文档的第 2 行）
1
xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"
也就说，给路径为http://www.itcast.cn/xml的文件起一个别名，叫 student.xsd

为简化前缀，我们为每一个 xsd 约束声明一个前缀，作为标识。（如下方 student.xml文档的第 4 行）

假如说，我设置 xmlns:a ="代替的链接"，那么要使用该链接下的标签 <age>，则需要像 <a:age> 这样去编写。

再比如 xmlns="代替的链接"，那么要使用该链接下的标签 <age>，只需 <age> 这样去编写。

<students xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
	  xsi:schemaLocation="
            	http://www.itcast.cn/xml  student.xsd
               http://www.itcast.cn/xml2  student2.xsd
         "
    	  xmlns:a="http://www.itcast.cn/xml"
          xmlns:b="http://www.itcast.cn/xml2"
>
    <student>
        <a:name>...</a:name>
        <b:name>...</b:name>
    </student>
</students>

如下举例，XML 文档 student.xml如下：

<?xml version="1.0" encoding="UTF-8" ?> 
<students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
			xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"
    		xmlns="http://www.itcast.cn/xml">
    <student number="heima_0001">
        <name>tom</name>
        <age>18</age>
        <sex>male</sex>
    </student>
</students>

student.xsd 文件如下：

<?xml version="1.0"?>
<xsd:schema xmlns="http://www.itcast.cn/xml"
        xmlns:xsd="http://www.w3.org/2001/XMLSchema"
        targetNamespace="http://www.itcast.cn/xml" elementFormDefault="qualified">
    <xsd:element name="students" type="studentsType"/>
    <xsd:complexType name="studentsType">
        <xsd:sequence>
            <xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>
        </xsd:sequence>
    </xsd:complexType>
    <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>
    <xsd:simpleType name="sexType">
        <xsd:restriction base="xsd:string">
            <xsd:enumeration value="male"/>
            <xsd:enumeration value="female"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="ageType">
        <xsd:restriction base="xsd:integer">
            <xsd:minInclusive value="0"/>
            <xsd:maxInclusive value="256"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="numberType">
        <xsd:restriction base="xsd:string">
            <xsd:pattern value="heima_\d{4}"/>
        </xsd:restriction>
    </xsd:simpleType>
</xsd:schema>

¶三、解析 XML 文档

操作 XML 文档：

解析（读入）：将文档中的数据读入到内存中；
写入：将内存中的数据保存到 XML 文档中，从而实现持久化存储

解析 XML 文档的方式：

	DOM	SAX
描述	将标记语言文档一次性加载进内存，在内存中形成一棵 DOM 树	逐行读入，基于事件驱动
优点	操作方便，可对文档进行 CRUD 的所有操作	内存消耗小
缺点	对内存消耗较大	只能读入，不能增删改

常见的 XML 解析器：

JAXP：sun 公司提供的解析器，支持 DOM 和 SAX 两种思想
DOM4J：一款非常优秀的解析器
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。它提供了一套非常方便的 API，可通过 DOM，CSS 以及类似于 jQuery 的操作方法来取出并操作数据。
PULL：Android 操作系统内置的解析器，通过 SAX 方式。

¶相关对象

¶Jsoup 工具类

能够解析 HTML 或 XML 文档，返回 Document 对象。其方法主要围绕于 parse()

parse(File in, String charsetName)：解析 XML 或 HTML 文件。

parse(String html)：解析xml或html字符串。

String str = "
    xml或HTML中的内容 
	";
Document document = Jsoup.parse(str);

parse(URL url, int timeoutMills)：通过网络路径 URL 获取指定的 HTML 或 XML 的文档对象（可用于爬虫）

URL 为统一资源定位器。

1
2
3

URL url = new URL("https://baike.baidu.com/item/jsoup/9012509?fr=aladdin");
//传入的 URL 代表网络中的一个资源路径
Document document = Jsoup.parse(url, 10000); //限定超时时间

¶Document 文档对象

Document 对象代表了内存中的 DOM 树。

获取 Element 对象的方法有：

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

¶Elements 对象

Elements 对象，是元素 Element 对象的集合，你可以理解为 ArrayList<Element>

¶ELement 元素对象

（一）获取子元素对象的方法：（方法名同 Document 对象的相关方法）

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

（二）获取相应属性值的方法：

String attr(String key)：从该标签元素中，根据属性名称来获取相应的属性值

（三）获取文本内容：

String text()：获取所有子标签的纯文本内容
String html()：获取标签体的所有内容

¶利用 Jsoup 解析 XML

步骤如下：

导入 jar 包
XML 文档，最好放到 src 目录下。
获取 Document 对象
获取对应的标签 Element 对象
获取数据

举例如下：

student.xml XML 文件如下：（约束暂时省略不写）

<?xml version="1.0" encoding="UTF-8" ?>
<students>
    <student number = "heima_0001">
        <name>Luffy</name>
        <age>20</age>
        <sex>male</sex>
    </student>
    <student number = "heima_0002">
        <name>Nami</name>
        <age>20</age>
        <sex>female</sex>
    </student>
</students>

JsoupDemo1.java ，解析代码如下：

package top.JoyDee.LearningXML.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;
import java.net.URL;

public class JsoupDemo1 {
    public static void main(String[] args) throws IOException {
        //1. 导入jsoup的jar包
        //2. 获取Document对象，根据xml文档获取
        //2.1 获取student.xml的path
        URL tmpUrl = JsoupDemo1.class.getClassLoader().getResource("student.xml");
        //使用类加载器，通过其getResource方法获取URL，对URL转换为String
        if(tmpUrl != null){ //避免空指针异常
            String path = tmpUrl.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");

            //3.1 获取第一个element对象
            Element e = elements.get(0);
            String name = e.text();
            System.out.println(name);
        } else{
            System.out.println("tmpUrl is NULL");
        }
    }
}

¶快捷查询方式

XPath：即 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。需导入 jar 包。语法请查询 w3cschool 的相关参考手册

selector：

Element 有一个方法：Elements select(String cssQuery)，传入 CSS选择器的字符串形式，返回 Elements

语法：参考 Selector 类中定义的语法。

举例使用：

package top.JoyDee.LearningXML.jsoup;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;

public class JsoupWithSelectorDemo {
    public static void main(String[] args) throws IOException {
        //1.获取student.xml的path
        String path = JsoupWithSelectorDemo.class.getClassLoader().getResource("student.xml").getPath();
        //2.获取Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //3.查询name标签
        org.jsoup.select.Elements elements = document.select("name");
        System.out.println(elements);
        System.out.println("-----------------");
        //4.获取student标签并且number属性值为heima_0001的age子标签
        //4.1.获取student标签并且number属性值为heima_0001
        org.jsoup.select.Elements elements2 = document.select("student[number=\"heima_0001\"]");
        System.out.println(elements2);
        System.out.println("----------------");
        //4.2获取student标签并且number属性值为heima_0001的age子标签
        Elements elements3 = document.select("student[number=\"heima_0001\"] > age");
        System.out.println(elements3);
    }
}

运行结果：

<name>
 Luffy
</name>
<name>
 Nami
</name>
-----------------
<student number="heima_0001"> 
 <name>
  Luffy
 </name> 
 <age>
  20
 </age> 
 <sex>
  male
 </sex> 
</student>
----------------
<age>
 20
</age>