目录
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解析步骤
JSOUP中文帮助API: http://www.open-open.com/jsoup/
1，导入JAR
2，解析XML文件
A，得到解析文件的路径：类加载器加载文件的路径
B，构建一个FILE对象
C，调用JSOUP的PARSE方法解析XML文件得到一个DOCUMENT对象
D，调用Document的相关方法得到相关的标签对象(Element)
Elements:就是一个存了Element对象的ArrayList集合
E ，调用Element的相关方法得到想要的数据
<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<students>
<student number="0001">
<name id="itcast">tom</name>
<age>18</age>
<sex>male</sex>
</student>
<student number="0002">
<name>jack</name>
<age>18</age>
<sex>female</sex>
</student>
</students>package jsoup;
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;
/**
* xml_解析_Jsoup_快速入门
* <p>
* 步骤：
* 1，导入JAR
* 2，解析XML文件
* A，得到解析文件的路径：类加载器加载文件的路径
* B，构建一个FILE对象
* C，调用JSOUP的PARSE方法解析XML文件得到一个DOCUMENT对象
* D，调用Document的相关方法得到相关的标签对象(Element)
* Elements:就是一个存了Element对象的ArrayList集合
* E ，调用Element的相关方法得到想要的数据
*/
public class JsoupDemo1 {
public static void main(String[] args) throws IOException {
//1.获取xml解析文件的路径
String path = JsoupDemo1.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
//2.解析xml文档，加载文档进内存,获取document对象
Document document = Jsoup.parse(new File( path ),"UTF-8");
//3.获取元素对象Element，返回值是存了Element对象的ArrayList集合
Elements name = document.getElementsByTag( "name" );
//4.获取第一个name的Element对象
Element element = name.get( 0 );
//5.获取数据
String text = element.text();
System.out.println(text);
}
}
Jsoup对象使用
1. Jsoup对象：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
package jsoup;
/**
* Jsoup对象功能
*/
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import java.io.File;
import java.io.IOException;
import java.net.URL;
public class JsoupDemo2 {
public static void main(String[] args) throws IOException {
//获取xml解析文件的路径
String path = JsoupDemo1.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
//1.解析xml文档，加载文档进内存,获取document对象
Document document = Jsoup.parse(new File( path ),"UTF-8");
//2.parse(String html):解析xml或HTML字符串
String str="<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"no\"?>\n" +
"\n" +
"<students>\n" +
"\t<student number=\"0001\">\n" +
"\t\t<name>tom</name>\n" +
"\t\t<age>18</age>\n" +
"\t\t<sex>male</sex>\n" +
"\t</student>\n" +
"\t<student number=\"0002\">\n" +
"\t\t<name>jack</name>\n" +
"\t\t<age>18</age>\n" +
"\t\t<sex>female</sex>\n" +
"\t</student>\n" +
"</students>";
Document document1 = Jsoup.parse( str );
// System.out.println(document1);
//3.parse(URL url ,int timeoutMillis):通过网络路径获取指定的HTML或xml文档对象
URL url=new URL("https://mp.csdn.net/postedit/82555583");
Document document2 = Jsoup.parse( url,10000);
// System.out.println(document2);
}
}
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
package jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
/**
*Document/Elements对象
*/
public class JsoupDomo3 {
public static void main(String[] args) throws IOException {
String path = JsoupDomo3.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
Document document = Jsoup.parse( new File( path ), "UTF-8" );
//1.获取所有的student对象
Elements student = document.getElementsByTag( "student" );
System.out.println(student);
System.out.println("========================");
//2.获取id属性的元素对象
Elements id = document.getElementsByAttribute( "id" );
System.out.println(id);
System.out.println("========================");
//3.根据id属性值获取唯一的element对象
Elements value = document.getElementsByAttributeValue( "id", "itcast" );
System.out.println(value);
}
}
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)
package jsoup;
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;
/**
* Element对象
*/
public class JsoupDemo4 {
public static void main(String[] args) throws IOException {
String path = JsoupDemo4.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
Document document = Jsoup.parse( new File( path ), "UTF-8" );
//通过document获取所有的name标签，可以获取两个
Elements name = document.getElementsByTag( "name" );
System.out.println(name.size());
//通过element对象子标签对象,可以获取一个
Element ele_Student = document.getElementsByTag( "name" ).get( 0 );
Elements els_name = ele_Student.getElementsByTag( "name" );
System.out.println(els_name.size());
//获取student对象的属性值
String number = ele_Student.attr( "number" );
System.out.println(number.length());
//获取文本内容
String text = els_name.text();
String html = els_name.html();
System.out.println(text);
System.out.println(html);
}
}
5. Node：节点对象
* 是Document和Element的父类