XML解析之Jsoup

操作xml文件

1. 解析（讀取）：將文檔中的數據解讀到內存中
2. 寫入：將內存中的數據保存到XML文檔中。持久化的存儲

解析xml的方式

1. DOM：將標記語言文檔一次性加載進內存，在內存中形成一顆dom樹

   • 優點：

     操作方便，可以對文檔進行CRUD(增刪改查)的所有操作

   • 缺點：

     占內存

2. SAX:逐行讀取，基於事件驅動

   • 優點

     不占內存

   • 缺點

     只能讀取

3. 常用的解析器：

   1. JAXP:sum公司提供的解析器，支持dom和sax兩種思想
   2. DOM4J：優秀的解析器
   3. Jsoup:一款Java 的HTML解析器，可直接解析某個URL地址、HTML文本內容。它提供了一套非常省力的API，可通過DOM，CSS以及類似於jQuery的操作方法來取出和操作數據。
   4. PULL：android系統內置解析器

   Jsoup

   • 快速入門

     從URL，文件或字符串中刮取並解析HTML

     查找和提取數據，使用DOM遍歷或CSS選擇器

     操縱HTML元素，屬性和文本

     根據安全的白名單清理用戶提交的內容，以防止XSS攻擊

     輸出整潔的HTML

     參考

     • 步驟：

       1. 導入jar包
       2. 獲取Document對象
       3. 獲取對應的標簽Element對象
       4. 獲取數據

       代碼：

       xml文件：

       <?xml version="1.0" encoding="UTF-8" ?>
        <students>
        	<student number="heima_0001">
        		<name id="cat">tom</name>
        		<age>18</age>
        		<sex>male</sex>
        	</student>
       	<student number="heima_0002">
       		<name>jack</name>
       		<age>12</age>
       		<sex>male</sex>
       	</student>
        </students>
       

       測試代碼:

       public class JsoupTest {
           public static void main(String[] args) throws IOException {
               //獲得路徑path
               String path = JsoupTest.class.getClassLoader().getResource("student.xml").getPath();
               //解析
               Document document = Jsoup.parse(new File(path), "utf-8");
               //獲取元素
               Elements elements = document.getElementsByTag("name");
               System.out.println(elements.size());
               //獲取數據
               for (int i = 0; i < elements.size(); i++) {
                   System.out.println(elements.get(i).text());
               }
           }
       }
       

     • 對象的使用

       1. Jsoup:工具類，可以解析html或xml文檔，返回Document

          1. parse方法

             1. 解析xml或html對象

                public static Document parse(File in,String charsetName)throws IOException
                

                Parse the contents of a file as HTML. The location of the file is used as the base URI to qualify relative URLs.

             2. 解析xml或html字符串

                 public static Document parse(String html)
                

                Parse HTML into a Document. As no base URI is specified, absolute URL detection relies on the HTML including a <base href> tag.

             3. 通過網絡路徑獲取指定的html或xml的文檔對象

                  public static Document parse(URL url,int timeoutMillis)throws IOException
                

                Fetch a URL, and parse it as HTML. Provided for compatibility; in most cases use [connect(String)](file:///C:/Users/ada/AppData/Local/Temp/360zip$Temp/360$3/day32_xml/03_參考/jsoup/jsoup-1.11.2-javadoc/org/jsoup/Jsoup.html#connect-java.lang.String-)

                The encoding character set is determined by the content-type header or http-equiv meta tag, or falls back to UTF-8.

                等；

       2. Document ：文檔對象。代表內存中的dom樹

          1. 獲取Element對象

             1. 根據標簽名獲取對象集合

             public Elements getElementsByTag(String tagName)
             

             Finds elements, including and recursively under this element, with the specified tag name.

             2. 根據屬性名稱獲取對象集合

             public Elements getElementsByAttribute(String key)
             

             Find elements that have a named attribute set. Case insensitive.

             3. 根據對應的屬性名和值獲取元素對象集合

             public Elements getElementsByAttributeValue(String key, String value)
             

             Find elements that have an attribute with the specific value. Case insensitive.

             4. 根據ID屬性獲取唯一的element

             public Element lastElementSibling()
             

             Gets the last element sibling of this element

       3. Elements ：Element對象的集合。可以當作ArrayList 來使用

       4. Element ：元素對象

          1. 獲取子元素對象
          2. 獲取屬性值
             1. String attr(String key):根據屬性名稱獲取屬性值
          3. 獲取文本內容
             1. String text():獲取文本內容
             2. String html();獲取標簽體的所有內容

       5. Node ：節點對象

          • Document和Element的父類

       快速查詢方式

       1. selector:選擇器

          1. 使用的方法：Elements select(String cssQuery)

             1. 樣例：

                public class JsoupTest {
                    public static void main(String[] args) throws IOException {
                        //獲得路徑path
                        String path = JsoupTest.class.getClassLoader().getResource("student.xml").getPath();
                        //解析
                        Document document = Jsoup.parse(new File(path), "utf-8");
                        //查詢name標簽
                        Elements elements = document.select("name");
                        System.out.println(elements.get(0).text());
                        //查詢id
                        Elements id = document.select("#cat");
                        System.out.println(elements.get(0).select("name").text());
                        System.out.println("******************");
                        //查找student中number等於heima_0001
                        Elements select = document.select("student[number=\"heima_0001\"]");
                        System.out.println(select);
                        System.out.println("******************");
                        //查找student中number等於heima_0001中的age子標簽
                        Elements select1 = document.select("student[number=\"heima_0001\"]>age");
                        System.out.println(select1);
                    }
                }
                

          2. XPath:

             解釋：

             XPath 是一門在 XML 文檔中查找信息的語言。

             XPath 是 XSLT 中的主要元素。

             XQuery 和 XPointer 均構建於 XPath 表達式之上

             • 使用Jsoup的xpath需要額外導入jar包

             • 查詢w3cschool參考手冊，使用xpath語法完成

               public class JsoupXpath {
                   public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
                       //獲得路徑path
                       String path = JsoupTest.class.getClassLoader().getResource("student.xml").getPath();
                       //解析
                       Document document = Jsoup.parse(new File(path), "utf-8");
                       //劇創建JXDocumnet對象
                       JXDocument jxDocument=new JXDocument(document);
                       //結合xpath語法查詢
                       List<JXNode> jxNodes = jxDocument.selN("//student");
                       System.out.println(jxNodes);
               
                       System.out.println("__________________________");
                       List<JXNode> jxNode = jxDocument.selN("//student[@number='heima_0001']");
                       System.out.println(jxNode);
                   }
               }