XML

简介

XML 指可扩展标记语言(EXtensible Markup Language),被设计用来传输和存储数据 可以用在配置文件中、在网络中传输

HTML 被设计用来显示数据

XML 是一种标记语言，很类似 HTML,是对 HTML 的补充
XML 的设计宗旨是传输数据，而非显示数据
XML 标签没有被预定义。您需要自行定义标签。(通过 XML 可以发明自己的标签)
XML 被设计为具有自我描述性。
XML 是 W3C 的推荐标准
XML 仅仅是纯文本
XML 独立于硬件、软件以及应用程序

树结构

一个文档实例(John 给 George 的一张便签)

<?xml version="1.0" encoding="ISO-8859-1"?> <!--XML 声明。它定义 XML 的版本 (1.0) 和所使用的编码 (ISO-8859-1 = Latin-1/西欧字符集)-->
<note> <!--根元素-->
<!--4 行描述根的 4 个子元素（to, from, heading 以及 body）-->
<to>George</to>
<from>John</from>
<heading>Reminder</heading>
<body>Don't forget the meeting!</body>
</note>

所有的XML元素都必须有一个关闭标签 e.g.

也可以使用自闭合标签 e.g. <br/>

组成部分
⚠️注意：xml第一行必须定义为文档声明
格式：

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 若存中文，用gbk

standalone：是否独立

取值：
* yes：不依赖其他文件

no：依赖其他文件

指令(了解)：结合css的w

(给当前xml加样式)

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

属性：
id属性值唯一

文本：
* CDATA区：在该区域中的数据会被原样展示
* 格式：（原样展示也就意味着不用实体代替特殊字符）

XML 文档形成一种树结构

XML 文档必须包含根元素。该元素是所有其他元素的父元素。

XML 文档中的元素形成了一棵文档树。这棵树从根部开始，并扩展到树的最底端。

<root>
  <child>
    <subchild>.....</subchild>
  </child>
</root>

所有元素都可以有子元素

语法

大小写敏感

<Message>这是错误的。</message>
<message>这是正确的。</message> 

正确嵌套

<b><i>错误</b></i>
<b><i>正确</i></b>

必须有一个根元素（子元素间可以并列）

<root>
  <child category="COOKING">
    <subchild>.....</subchild>
  </child>
  <child category="WEB">
    <subchild>.....</subchild>
  </child>
</root>

属性值要加引号

单双都可以

<note date="08/08/2008">
<to>George</to>
<from>John</from>
</note> 

实体引用

特殊符号转义

`<`	<	小于
`>`	>	大于
`&`	&	和号
`'`	‘	单引号
`"`	“	引号

<message>if salary < 1000 then</message>
<message>if salary &lt; 1000 then</message>  ✅

在 XML 中，只有字符 “<” 和 “&” 确实是非法的。大于号是合法的，但是用实体引用来代替它是一个好习惯。

注释

使用 (都是两个短横杠)

<!-- This is a comment -->  

保留空格

在 XML 中，文档中的空格不会被删节。

HTML 会把多个连续的空格字符裁减（合并）为一个：
1
2
HTML:	Hello           my name is David.
输出:	Hello my name is David.

LF存储换行

在 Windows 应用程序中，换行通常以一对字符来存储：回车符 (CR) 和换行符 (LF)。这对字符与打字机设置新行的动作有相似之处。在 Unix 应用程序中，新行以 LF 字符存储。而 Macintosh 应用程序使用 CR 来存储新行。

元素

XML 元素指的是从（且包括）开始标签直到（且包括）结束标签的部分。

命名规则

名称可以含字母、数字以及其他的字符
名称不能以数字或者标点符号开始
名称不能以字符 “xml”（或者 XML、Xml）开始
名称不能包含空格
可使用任何名称，没有保留的字词

避免 “-“ 字符。如果您按照这样的方式进行命名：”first-name”，一些软件会认为你需要提取第一个单词。

避免 “.” 字符。如果您按照这样的方式进行命名：”first.name”，一些软件会认为 “name” 是对象 “first” 的属性。

避免 “:” 字符。冒号会被转换为命名空间来使用。

XML 文档经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。有一个实用的经验，即使用数据库的名称规则来命名 XML 文档中的元素。

属性

属性 (Attribute) 提供关于元素的额外（附加）信息。

属性值必须被引号包围，不过单引号和双引号均可使用。比如一个人的性别，person 标签可以这样写：

<person sex="female">
<person sex='female'>

如果属性值本身包含双引号，那么有必要使用单引号包围它，就像这个例子：

<gangster name='George "Shotgun" Ziegler'>
<!--或者使用实体引用-->
<gangster name="George &quot;Shotgun&quot; Ziegler">

属性与元素的使用没有规定，可以按照自己喜欢的方式

<person sex="female">
  <firstname>Anna</firstname>
  <lastname>Smith</lastname>
</person> 

<person>
  <sex>female</sex>
  <firstname>Anna</firstname>
  <lastname>Smith</lastname>
</person> 

因使用属性而引起的一些问题：

属性无法包含多重的值（元素可以）

属性无法描述树结构（元素可以）

属性不易扩展（为未来的变化）

属性难以阅读和维护

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

有时候会向元素分配 ID 引用。这些 ID 索引可用于标识 XML 元素，它起作用的方式与 HTML 中 ID 属性是一样的

<messages>
  <note id="501">
    <to>George</to>
    <from>John</from>
    <heading>Reminder</heading>
    <body>Don't forget the meeting!</body>
  </note>
  <note id="502">
    <to>John</to>
    <from>George</from>
    <heading>Re: Reminder</heading>
    <body>I will not</body>
  </note> 
</messages>

XML验证

拥有正确语法的 XML 被称为“形式良好”的 XML。

通过 DTD 验证的 XML 是“合法”的 XML。

XML Schema

W3C 支持一种基于 XML 的 DTD 代替者，它名为 XML Schema：

<xs:element name="note">

<xs:complexType>
  <xs:sequence>
    <xs:element name="to"      type="xs:string"/>
    <xs:element name="from"    type="xs:string"/>
    <xs:element name="heading" type="xs:string"/>
    <xs:element name="body"    type="xs:string"/>
  </xs:sequence>
</xs:complexType>

</xs:element> 

XML DTD

DTD 的作用是定义 XML 文档的结构。它使用一系列合法的元素来定义文档结构：

<!DOCTYPE note [ <!--DOCTYPE 声明是对外部 DTD 文件的引用-->
  <!ELEMENT note (to,from,heading,body)>
  <!ELEMENT to      (#PCDATA)>
  <!ELEMENT from    (#PCDATA)>
  <!ELEMENT heading (#PCDATA)>
  <!ELEMENT body    (#PCDATA)>
]> 

XML CSS

XML可以连接到CSS文件并被其格式化，呈现在网页上

<?xml version="1.0" encoding="ISO-8859-1"?>
<?xml-stylesheet type="text/css" href="cd_catalog.css"?> <!--把这个XML文件链接到CSS文件-->
<CATALOG>
  <CD>
    <TITLE>Empire Burlesque</TITLE>
    <ARTIST>Bob Dylan</ARTIST>
    <COUNTRY>USA</COUNTRY>
    <COMPANY>Columbia</COMPANY>
    <PRICE>10.90</PRICE>
    <YEAR>1985</YEAR>
  </CD>
  <CD>
    <TITLE>Hide your heart</TITLE>
    <ARTIST>Bonnie Tyler</ARTIST>
    <COUNTRY>UK</COUNTRY>
    <COMPANY>CBS Records</COMPANY>
    <PRICE>9.90</PRICE>
    <YEAR>1988</YEAR>
  </CD>
.
.
.
.
</CATALOG>

使用 CSS 格式化 XML 不是常用的方法，更不能代表 XML 文档样式化的未来。W3C 推荐使用 XSLT

XML XSLT

XSLT 是首选的 XML 样式表语言。

XSLT (eXtensible Stylesheet Language Transformations) 远比 CSS 更加完善。

<?xml version="1.0" encoding="ISO-8859-1"?>
<?xml-stylesheet type="text/xsl" href="simple.xsl"?> <!--把这个XML文件链接到XSL文件-->
<breakfast_menu>
  <food>
    <name>Belgian Waffles</name>
    <price>$5.95</price>
    <description>
       two of our famous Belgian Waffles
    </description>
    <calories>650</calories>
  </food>
</breakfast_menu>

在使用 XSLT 来转换 XML 时，不同的浏览器可能会产生不同结果。为了减少这种问题，可以在服务器上进行 XSLT 转换。

DOM 将 XML 文档作为一个树形结构，而树叶被定义为节点

以书店文档为例

XML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
  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：
  - 网络：

Schema:

可以自定义类型，给标签内容更多的规定

引入：
1. 填写xml文档的根元素
2. 引入xsi命名空间(xsi标准命名空间，有多种取值分别对应不同版本). xmlns:xsi=”http://www.w3.org/2001/XMLSchema-instance “
3. 为每个命名空间指定具体的schema文件两两一对 xsi:schemaLocation="http://www.itcast.cn/xml student.xsd"
4. 为每一个xsd约束声明一个前缀,作为标识 xmlns=”http://www.itcast.cn/xml “ (xmlns定义默认命名空间，只引一个约束文档时，可以不加前缀，为空前缀，可以直接使用标签，默认所有标签都用这个文档)
  - 加前缀版(自定义命名空间，给命名空间取别名，其赋值必须是个命名空间文件必须在xsi命名空间内指定其对应的schema文件)：xmlns:a=”http://www.itcast.cn/xml1 “ 使用该约束文档的标签都要加前缀如<a:age></a:age>

根标签内引入

<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">

XML解析

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
image-20220727204321916
- 优点：操作方便，可以对文档进行CRUD的所有操作
- 缺点：占内存
1. SAX：逐行读取(自动释放上一行)，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。

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：

//获取Document对象,根据xml文档获取
//获取student.xml的path
String path= JsoupDemo1.class.getClassLoader().getResource("student.xml").toURI().getPath();
//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");
//获取元素对象 Element
Elements elements = document.getElementsByTag("name");//Elements是ArrayList<Element>
System.out.println(elements.size());
//获取第一个name的Element对象
Element element = elements.get(0);
//获取数据
String text = element.text();
System.out.println(text);

路径中有中文或空格时，要先toURI再getPath

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
    - 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(大小写不敏感)获取属性值
  3. 获取文本内容
    - String text():获取文本内容（所有子标签的纯文本内容拼接，不包含标签名及<>）
    - String html():获取标签体的所有内容(包括子标签的字符串内容,包含标签名及<>)
5. Node：节点对象
  - 是Document和Element的父类

快捷查询方式：

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

//选择器查询
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").toURI().getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
//获取name标签
Elements elements = document.select("name");
System.out.println(elements);
//获取id="itcast"的元素
Elements elements1 = document.select("#itcast");
System.out.println(elements1);
System.out.println("-------");
//获取student标签下number="heima_0001的age子标签
Elements elements2 = document.select("student[number='heima_0001']");
System.out.println(elements2);
Elements elements3 = document.select("student[number='heima_0001'] > age");
//得到age
System.out.println(elements3);

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：

String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").toURI().getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
//根据document对象，创建JXDocument对象
JXDocument jxDocument=new JXDocument(document);
//结合Xpath语法查询
List<JXNode> jxNodes = jxDocument.selN("//student"); // '//'表示当前节点
for (JXNode jxNode: jxNodes) {
    System.out.println(jxNode);
}
//查询所有student标签下的name标签
List<JXNode> jxNodes1 = jxDocument.selN("//student/name");
for (JXNode j: jxNodes1) {
    System.out.println(j);
}
//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);
}
//查询student标签下带有id属性的name标签 并且id属性值为itcast
List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
for (JXNode jxNode : jxNodes4) {
    System.out.println(jxNode);
}

XML学习

XML

简介

树结构

组成部分

⚠️注意：xml第一行必须定义为文档声明