1. 概念：Extensible Markup Language 可扩展标记语言

• 可扩展：标签都是自定义的。 <user> <student>

• 功能（存储数据）
  1. 配置文件
  2. 在网络中传输（可以跨平台，跟语言没有关系）
• 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

2. 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:

格式：<?xml 属性列表 ?>

2. 属性列表：

• version：版本号，必须的属性(1.0即可，1.1不向下兼容)
• 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（一般可以不设置）
  取值：
  • yes：不依赖其他文件
  • no：依赖其他文件

3. 指令(了解)：结合css的

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

4. 标签：标签名称自定义的

• 规则：
  1. 名称可以包含字母、数字以及其他的字符
  2. 名称不能以数字或者标点符号开始
  3. 名称不能以字母 xml（或者 XML、Xml 等等）开始
  4. 名称不能包含空格

5. 属性：

id属性值唯一

6. 文本：

• CDATA区：在该区域中的数据会被原样展示
• 格式： <![CDATA[ 数据 ]]>
• 约束：规定xml文档的书写规则（如图1.1.1）
  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：<mark>(DTD没法约束内容)</mark>
  引入dtd文档到xml文档中
  1. 内部dtd：将约束规则定义在xml文档中（不常用）>
  2. 外部dtd：将约束的规则定义在外部的dtd文件中
  3. 本地：<!DOCTYPE 根标签名 SYSTEM “dtd文件的位置”>
  4. 网络：<!DOCTYPE 根标签名 PUBLIC “dtd文件名字” “dtd文件的位置URL”>
• 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=“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，多取的是别名，如果没有别名，表示空别名 xmlns="http://www.itcast.cn/xml"

约束图片：

Schema引用如下所示：

		<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">

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：服务器端一般都是DOM，移动端用SAX

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（手机不能用）

2. SAX：逐行读取，基于事件驱动的。（根据标签名触发***）

• 优点：不占内存。（读一行释放一行内存）
• 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（性能比较差）
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。（只支持DOM）
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：

xml文档：

<?xml version="1.0" encoding="UTF-8" ?>

<students>
	<student number="heima_0001">
		<name>张三</name>
		<age>23</age>
		<sex>female</sex>
	</student>
	<student number="heima_0002">
		<name>李四</name>
		<age>18</age>
		<sex>male</sex>
	</student>
</students>

测试代码：

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;

/** * 快速入门 */
public class JsoupDemo {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象，根据xml文档获取
        //1.1获取student.xml的path
        String path = Jsoup.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
        Element element = elements.get(0);
        //3.2获取数据
        String name = element.text();
        System.out.println(name);
    }
}

结果：

2
张三

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

1. parse​(File in, String charsetName)：解析xml或html文件的。
2. parse​(String html)：解析xml或html字符串
3. parse​(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象

第二种方式代码（不常用）

public class JsoupDemo {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象，根据xml文档获取
        //1.1获取student.xml的path
        String path = Jsoup.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

        String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
                "\n" +
                "<students>\n" +
                "\t<student number=\"heima_0001\">\n" +
                "\t\t<name>张三</name>\n" +
                "\t\t<age>23</age>\n" +
                "\t\t<sex>female</sex>\n" +
                "\t</student>\n" +
                "\t<student number=\"heima_0002\">\n" +
                "\t\t<name>李四</name>\n" +
                "\t\t<age>18</age>\n" +
                "\t\t<sex>male</sex>\n" +
                "\t</student>\n" +
                "</students>";
        Document document = Jsoup.parse(str);
        System.out.println(document);
    }
}

第三种方式（解析Html）

public class JsoupDemo {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象，根据xml文档获取
        //1.1获取student.xml的path
        String path = Jsoup.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

        URL url = new URL("https://www.baidu.com/");
        Document document = Jsoup.parse(url,5000);
        System.out.println(document);
    }
}

2. Document：文档对象。代表内存中的dom树

1. 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<Element>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(不区分大小写)

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

快捷查询方式：

1. selector:选择器(一般在Document中调用，也可以在Element中调用)

• 使用的方法：Elements select​(String cssQuery)
• 语法：传入一个css语法的字符串

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

XPATH语法：
下面列出了最有用的路径表达式：

在下面的表格中，已列出了一些路径表达式以及表达式的结果：

选择器代码：

public class JsoupDemo {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象，根据xml文档获取
        //1.1获取student.xml的path
        String path = Jsoup.class.getClassLoader().getResource("student.xml").getPath();
        //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.查询name标签
        Elements elements = document.select("name");
        System.out.println(elements);
        System.out.println("------------");
        //4.查询id值为itcast的元素
        Elements elements1 = document.select("#itcast");
        System.out.println(elements1);
        System.out.println("------------");
        //5.获取student标签并且number属性值为heima_0001的age子标签
        //5.1.获取student标签并且number属性值为heima_0001
        Elements elements2 = document.select("student[number=\"heima_0001\"]");
        System.out.println(elements2);
        System.out.println("------------");
        //5.2获取student标签并且number属性值为heima_0001的age子标签
        Elements select = document.select("student[number=\"heima_0001\"] > age");
        System.out.println(select);
    }
}

XPATH代码：

public class JsoupDemo {
    public static void main(String[] args) throws Exception {
        //1.获取Document对象，根据xml文档获取
        //1.1获取student.xml的path
        String path = Jsoup.class.getClassLoader().getResource("student.xml").getPath();
        //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.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student标签下带有id属性的name标签 并且id属性值为itcast
        List<JXNode> jxNodes = jxDocument.selN("//student/name[@id = 'itcast']");
        System.out.println(jxNodes);
    }
}

结果：

[<name id=“itcast”>
张三
</name>]