Java解析XML文件(Jsoup,Xpath)

其他 2020-03-31 10:21:55 阅读次数: 0

解析xml的方式

  • DOM（服务器端）：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
  • SAX（移动端）：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

  • 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。
  • PULL：Android操作系统内置的解析器，sax方式的。

使用Jsoup解析xml

  • 首先导入Jsoup的jar包
    在这里插入图片描述
  • 要解析的students.xml文件
    <?xml version="1.0" encoding="utf-8"?>
<students>
    <student id="stu001">
        <name>范闲</name>
        <age>20</age>
        <sex>male</sex>
    </student>

    <student id="stu002">
        <name>司理理</name>
        <age>19</age>
        <sex>female</sex>
    </student>

    <student id="stu003">
        <name>王启年</name>
        <age>29</age>
        <sex>male</sex>
    </student>
</students>
  • Jsoup解析类实现输出xml文件中name
    public class JsoupTest1 {
    public static void main(String[] args) throws Exception {
		//获取student.xml的path
        String path = JsoupTest1.class.getClassLoader().getResource("xml/student.xml").getPath();
        //解析xml文档，加载文档进内存，获取dom树--->Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");
        //根据标签名获取元素对象 Element
        Elements elements = document.getElementsByTag("name");
        //循环打印
        for(Element element:elements){
            System.out.println(element);
        }
    }
}
  • 结果
    在这里插入图片描述

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
    解析百度首页html:
    	@Test
    public void JsoupWeb() throws Exception {
        URL url=new URL("https://www.baidu.com");
        Document document = Jsoup.parse(url, 10000);
        System.out.println(document);
    }
    结果：
    在这里插入图片描述

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
public static void main(String[] args) throws Exception {
        String path = JsoupTest1.class.getClassLoader().getResource("xml/student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        System.out.println("根据id属性值获取唯一的element象");
        Element stu001 = document.getElementById("stu001");
        System.out.println(stu001);
        System.out.println("----------------------------");
        System.out.println("根据标签名称获取元素对象集合");
        Elements student = document.getElementsByTag("name");
        System.out.println(student);
        System.out.println("----------------------------");
        System.out.println("根据属性名称获取元素对象集合");
        Elements elements = document.getElementsByAttribute("id");
        System.out.println(elements);
        System.out.println("----------------------------");
        System.out.println("根据对应的属性名和属性值获取元素对象集合");
        Elements elements1 = document.getElementsByAttributeValue("id", "stu002");
        System.out.println(elements1);
    }

结果：

根据id属性值获取唯一的element象
<student id="stu001"> 
 <name>
  范闲
 </name> 
 <age>
  20
 </age> 
 <sex>
  male
 </sex> 
</student>
----------------------------
根据标签名称获取元素对象集合
<name>
 范闲
</name>
<name>
 司理理
</name>
<name>
 王启年
</name>
----------------------------
根据属性名称获取元素对象集合
<student id="stu001"> 
 <name>
  范闲
 </name> 
 <age>
  20
 </age> 
 <sex>
  male
 </sex> 
</student>
<student id="stu002"> 
 <name>
  司理理
 </name> 
 <age>
  19
 </age> 
 <sex>
  female
 </sex> 
</student>
<student id="stu003"> 
 <name>
  王启年
 </name> 
 <age>
  29
 </age> 
 <sex>
  male
 </sex> 
</student>
----------------------------
根据对应的属性名和属性值获取元素对象集合
<student id="stu002"> 
 <name>
  司理理
 </name> 
 <age>
  19
 </age> 
 <sex>
  female
 </sex> 
</student>

Elements

元素Element对象的集合。可以当做 ArrayList来使用

Element

元素对象

  • 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
  • 获取属性值
    • String attr(String key)：根据属性名称获取属性值
  • 获取文本内容
    • String text():获取子标签内的纯文本内容
    • String html():获取标签体的所有内容(包括字标签的字符串内容)
      在这里插入图片描述
public static void main(String[] args) throws Exception {
        String path = JsoupTest1.class.getClassLoader().getResource("xml/student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        //获取第一个student对象
        Element student = document.getElementsByTag("student").first();
        //获取其name子标签对象
        Elements name = student.getElementsByTag("name");
        System.out.println(name);
        System.out.println("==============================");
        //获取id属性
        String id = student.attr("id");
        System.out.println(id);
        System.out.println("==============================");
        //获取name纯文本内容
        String text = name.text();
        System.out.println(text);
        System.out.println("==============================");
        //获取name全部内容
        String html = name.html();
        System.out.println(html);
    }

结果：
在这里插入图片描述

Node

结点对象，是Document和Element的父类

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

public static void main(String[] args) throws Exception {
        String path = JsoupTest1.class.getClassLoader().getResource("xml/student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        //获取id为stu001下的student的age标签
        Elements age = document.select("#stu001").select("age");
        System.out.println(age);
        System.out.println("------------------------");
        //或
        Elements age1 = document.select("student[id='stu001'] > age" );
        System.out.println(age1);
    }

结果：
在这里插入图片描述

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。
    在这里插入图片描述

  • 查询w3cshool参考手册，使用xpath的语法完成查询

    public static void main(String[] args) throws Exception {
        String path = JsoupTest1.class.getClassLoader().getResource("xml/student.xml").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);
        //4.1查询所有student标签
        List<JXNode> jxNodes = jxDocument.selN("//student");
        for (JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
        }

        System.out.println("--------------------");

        //4.2查询所有student标签下的age标签
        List<JXNode> jxNodes2 = jxDocument.selN("//student/age");
        for (JXNode jxNode : jxNodes2) {
            System.out.println(jxNode);
        }

        System.out.println("--------------------");

        //4.3查询students标签下带有id属性的student标签
        List<JXNode> jxNodes3 = jxDocument.selN("//students/student[@id]");
        for (JXNode jxNode : jxNodes3) {
            System.out.println(jxNode);
        }
        System.out.println("--------------------");
        //4.4查询students标签下带有id属性的student标签 并且id属性值为stu001
        List<JXNode> jxNodes4 = jxDocument.selN("//students/student[@id='stu001']");
        for (JXNode jxNode : jxNodes4) {
            System.out.println(jxNode);
        }

    结果：

    <student id="stu001"> 
 <name> 
  <xing>
   范
  </xing> 
  <ming>
   闲
  </ming> 
 </name> 
 <age>
  20
 </age> 
 <sex>
  male
 </sex> 
</student>
<student id="stu002"> 
 <name>
  司理理
 </name> 
 <age>
  19
 </age> 
 <sex>
  female
 </sex> 
</student>
<student id="stu003"> 
 <name>
  王启年
 </name> 
 <age>
  29
 </age> 
 <sex>
  male
 </sex> 
</student>
--------------------
<age>
 20
</age>
<age>
 19
</age>
<age>
 29
</age>
--------------------
<student id="stu001"> 
 <name> 
  <xing>
   范
  </xing> 
  <ming>
   闲
  </ming> 
 </name> 
 <age>
  20
 </age> 
 <sex>
  male
 </sex> 
</student>
<student id="stu002"> 
 <name>
  司理理
 </name> 
 <age>
  19
 </age> 
 <sex>
  female
 </sex> 
</student>
<student id="stu003"> 
 <name>
  王启年
 </name> 
 <age>
  29
 </age> 
 <sex>
  male
 </sex> 
</student>
--------------------
<student id="stu001"> 
 <name> 
  <xing>
   范
  </xing> 
  <ming>
   闲
  </ming> 
 </name> 
 <age>
  20
 </age> 
 <sex>
  male
 </sex> 
</student>

Process finished with exit code 0
要学好Java
发布了66 篇原创文章 · 获赞 302 · 访问量 5万+
私信 关注

猜你喜欢

转载自blog.csdn.net/qq_41112238/article/details/103680158
今日推荐
TIOBE 5 月榜单：Fortran “复活”进入 Top 10
GCC 14.1 发布
面壁智能发布 Eurux-8x22B 开源大模型 —— 堪称「理科状元」
开源日报 | 谷歌扶持鸿蒙上位；开源Rabbit R1；Docker加持的安卓手机；微软的焦虑和野心；海尔电器把开放平台关了
中国码农的“35岁魔咒”
蘭雅 CorelDRAW 插件 2024.5.1 国际劳动节版，免费下载
Arc Browser for Windows 1.0 正式 GA
90后程序员开发视频搬运软件、不到一年获利超 700 万，结局很刑！
周排行
Java自定义时间格式
同步整形电路
在开发中最最最常用的字符串的属性大集合
Linux 查看端口占用并杀掉
Java基础四：ArrayList
多线程之死锁就是这么简单
mysql 基础命令集
awk 命令详解
Centos6.3编译安装nginx+php步骤
OCR （Optical Character Recognition，光学字符识别）
每日归档
更多
2024-05-08(42)
2024-05-07(14)
2024-05-06(40)
2024-05-05(0)
2024-05-04(7)
2024-05-03(19)
2024-05-02(0)
2024-05-01(4)
2024-04-30(1)
2024-04-29(40)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022