XML文档的解析

Posted 2022-08-22 fangtingfei

 XML文档解析：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
    * 优点：操作方便，可以对文档进行CRUD的所有操作
    * 缺点：占内存
   2. SAX：逐行读取，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。

   （本文只针对Jsoup解析器进行学习探讨）

     附上本文举例使用的XML文档：

 1 <?xml version="1.0" encoding="UTF-8" ?>
 2 <!-- 
 3     1.填写xml文档的根元素
 4     2.引入xsi前缀.  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 5     3.引入xsd文件命名空间.  xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"
 6     4.为每一个xsd约束声明一个前缀,作为标识  xmlns="http://www.itcast.cn/xml" 
 7     
 8     
 9  -->
10  <students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
11               xmlns="http://www.itcast.cn/xml" 
12             xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"
13              >
14      <student number="heima_0001">
15          <name>tom</name>
16          <age>18</age>
17          <sex>male</sex>
18      </student>
19 
20     <student number="heima_0002">
21         <name id="shuxingzhi">hello</name>
22         <age>22</age>
23         <sex>male</sex>
24     </student>
25 
26     <student number="heima_0003">
27         <name>world</name>
28         <age>28</age>
29         <sex>male</sex>
30     </student>
31          
32  </students>

 

  * 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。
   * Jsoup快速入门：
    * 步骤：
     1. 导入jar包（已上传至博客收藏文件中）
     2. 获取Document对象
     3. 获取对应的标签Element对象
     4. 获取数据

 

下面通过一个小例子实现Jsoup的快速入门：（包含两种document对象的获取方法）

 1 /*
 2 小例子快速入门，和两种获取document对象的方法
 3  */
 4 import org.jsoup.Jsoup;
 5 import org.jsoup.nodes.Document;
 6 import org.jsoup.nodes.Element;
 7 import org.jsoup.select.Elements;
 8 
 9 import java.io.File;
10 import java.io.IOException;
11 import java.net.URL;
12 
13 public class Jsoup_1 
14     public static void main(String[] args) throws IOException 
15         String path=Jsoup_1.class.getClassLoader().getResource("student.xml").getPath();  //通过类加载器获取资源文件，从而获取其绝对路径
16         URL url=new URL("http://www.baidu.com/");
17         //使用Jsoup前要先导入Jsoup的依赖jar包
18         Document document1=Jsoup.parse(url,2000);  //获取网络资源的XML/HTML文档的document对象
19         Document document = Jsoup.parse(new File(path),"utf-8");  //获得本地XML文档的document对象
20         //获取元素对象element
21         Elements elements = document.getElementsByTag("name");
22         System.out.println(elements.size());
23         Element element=elements.get(0);
24         //获取数据
25         String text=element.text();
26         System.out.println(text);
27 
28     
29 

* 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<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
    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

举例说明：

 

 1 /*
 2 获取子元素对象的四种方式和获取属性文本内容
 3  */
 4 import org.jsoup.Jsoup;
 5 import org.jsoup.nodes.Document;
 6 import org.jsoup.nodes.Element;
 7 import org.jsoup.select.Elements;
 8 
 9 import java.io.File;
10 import java.io.IOException;
11 
12 public class Jsoup_2 
13     public static void main(String[] args) throws IOException 
14         //获取本地文件对象document
15         String path = Jsoup_1.class.getClassLoader().getResource("student.xml").getPath();  //通过类加载器获取资源文件，从而获取其绝对路径
16         Document document = Jsoup.parse(new File(path), "utf-8");
17 
18         //获取元素对象（Elements对象可以当作Arraylist对象使用，方法大致相同）
19         //1，//通过标签获取元素
20         Elements elements = document.getElementsByTag("student");  //获取所有student对象
21         System.out.println(elements);
22         System.out.println("-------------------");
23         //2.通过属性名获取元素
24         Elements elements1 = document.getElementsByAttribute("id");
25         System.out.println(elements1);
26         System.out.println("-------------------");
27         //3，通过属性名和属性值来来获取元素
28         Elements elements2 = document.getElementsByAttributeValue("number", "heima_0001");
29         System.out.println(elements2);
30         System.out.println("-------------------");
31         //4,通过属性值来获取元素,不过属性名必须要为id
32         Element element = document.getElementById("shuxingzhi");
33         System.out.println(element);
34         System.out.println("-------------------");
35 
36 
37         //获取属性内容
38         //1.通过element对象来获取子标签对象
39         Elements ele1=document.getElementsByTag("student");
40         Element ele_stu = ele1.get(0);
41         Elements name = ele_stu.getElementsByTag("name");
42         System.out.println(name);
43         System.out.println("-------------------");
44         //2,通过标签对象来获得对象属性值
45         String age = ele_stu.attr("number");
46         System.out.println(age);
47 
48         //通过子标签对象获取文本内容
49         String name_text = name.text();  //只打印子标签纯文本
50         String name_html = name.html();  //打印子标签内的所有内容，标签也会打印
51         System.out.println(name_html);
52         System.out.println(name_text);
53     
54 

* 快捷查询方式：
   1. 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
   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。（已上传至博客收藏文件中）
    * 查询w3cshool参考手册，使用xpath的语法完成查询

 

 select选择器使用举例：

 1 import org.jsoup.Jsoup;
 2 import org.jsoup.nodes.Document;
 3 import org.jsoup.select.Elements;
 4 
 5 import java.io.File;
 6 import java.io.IOException;
 7 
 8 /*
 9 Jsoup快速查询
10  */
11 public class Jsoup_3_select 
12     public static void main(String[] args) throws IOException 
13         //获取本地文件对象document
14         String path = Jsoup_1.class.getClassLoader().getResource("student.xml").getPath();  //通过类加载器获取资源文件，从而获取其绝对路径
15         Document document = Jsoup.parse(new File(path), "utf-8");
16 
17         //使用select选择器
18         //1,获取通过标签名获取标签对象
19         Elements name_elements = document.select("name");
20         System.out.println(name_elements);
21         System.out.println("----------------------");
22         //2，通过属性内容获取标签对象
23         Elements shuxing_elements = document.select("#shuxingzhi");
24         System.out.println(shuxing_elements);
25         System.out.println("----------------------");
26 
27         //例：获取student中number为heima_0001的对象的age值
28         //获取了number值为heima_0001的标签对象
29         Elements heima_0001 = document.select("student[number=\"heima_0001\"]");
30         System.out.println(heima_0001);
31         System.out.println("----------------------");
32         //一气通过select选择器获取age内容
33         Elements heima_0001_age = document.select("student[number=\"heima_0001\"]>age");
34         System.out.println(heima_0001_age);
35         System.out.println("----------------------");
36         System.out.println(heima_0001_age.text());
37 
38 
39     
40 

XPath快速查询使用举例：

 1 import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
 2 import cn.wanghaomiao.xpath.model.JXDocument;
 3 import cn.wanghaomiao.xpath.model.JXNode;
 4 import org.jsoup.Jsoup;
 5 import org.jsoup.nodes.Document;
 6 
 7 import java.io.File;
 8 import java.io.IOException;
 9 import java.util.List;
10 /*
11 XPath快速解析
12 */
13 public class Jsoup_4_XPath 
14     public static void main(String[] args) throws IOException, XpathSyntaxErrorException 
15         //获取本地文件对象document
16         String path = Jsoup_1.class.getClassLoader().getResource("student.xml").getPath();  //通过类加载器获取资源文件，从而获取其绝对路径
17         Document document = Jsoup.parse(new File(path), "utf-8");
18         //导入使用XPath快速解析前导入jar包
19         //根据JXDocument对象，创建JXDdocument对象
20         JXDocument jxDocument=new JXDocument(document);
21         List<JXNode> jxNodes = jxDocument.selN("//student");  //查询所有的student标签对象
22         for (JXNode jxnode:jxNodes) 
23             System.out.println(jxnode);
24         
25         System.out.println("--------------------1");
26         List<JXNode> jxNodes1 = jxDocument.selN("//student/name");  //查询所有的student对象下的name标签的对象
27         for (JXNode jxnode:jxNodes1) 
28             System.out.println(jxnode);
29         
30         System.out.println("--------------------2");
31         List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");  //查询所有的student对象下的带有id属性的name标签的对象
32         for (JXNode jxnode:jxNodes2) 
33             System.out.println(jxnode);
34         
35         System.out.println("--------------------3");
36         List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id=‘shuxingzhi‘]");  //查询所有的student对象下的带有id属性值为shuxinghzi的name标签的对象
37         for (JXNode jxnode:jxNodes3) 
38             System.out.println(jxnode);
39         
40 
41     
42