XML 解析器 — Jsoup

其他 2020-03-03 21:17:27 阅读次数: 0

一、Jsoup 解析步骤

　　Jsoup中文帮助API：https://www.open-open.com/jsoup/

　　步骤：

1、导入 jar 包（官网下载地址：Jsoup官网）

2、解析 XML文件

　　① 得到解析文件的路径：类加载器加载文件的路径

　　② 构建一个 File 对象

　　③ 调用 Jsoup 的 parse 方法解析 XML 文件得到一个 Document 对象

　　④ 调用 Document 的相关方法得到相关的标签对象（Element），Element 就是一个存放了 Element 对象的 ArrayList 集合

　　⑤ 调用 Element 的相关方法获取数据

　　XML 文件：

 1 <?xml version="1.0" encoding="UTF-8" standalone="no"?>
 2  
 3 <students>
 4     <student number="0001">
 5         <name id="java">tom</name>
 6         <age>18</age>
 7         <sex>male</sex>
 8     </student>
 9     <student number="0002">
10         <name>jack</name>
11         <age>18</age>
12         <sex>female</sex>
13     </student>
14 </students>

　　解析 XML：

 1 package com.ks.jsoup;
 2  
 3 import org.jsoup.Jsoup;
 4 import org.jsoup.nodes.Document;
 5 import org.jsoup.nodes.Element;
 6 import org.jsoup.select.Elements;
 7  
 8 import java.io.File;
 9 import java.io.IOException;
10  
11 /**
12  * xml_解析_Jsoup_快速入门
13  * <p>
14  * 步骤：
15  * 1，导入JAR
16  * 2，解析XML文件
17  *      A，得到解析文件的路径：类加载器加载文件的路径
18  *      B，构建一个FILE对象
19  *      C，调用JSOUP的PARSE方法解析XML文件得到一个DOCUMENT对象
20  *      D，调用Document的相关方法得到相关的标签对象(Element)
21  *          Elements:就是一个存了Element对象的ArrayList集合
22  *      E ，调用Element的相关方法得到想要的数据
23  */
24 public class JsoupDemo1 {
25     public static void main(String[] args) throws IOException {
26         //1.获取xml解析文件的路径
27         String path = JsoupDemo1.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
28         //2.解析xml文档，加载文档进内存,获取 dom 树 --》获取document对象
29         Document document = Jsoup.parse(new File( path ),"UTF-8");
30         //3.获取元素对象Element，返回值是存了Element对象的ArrayList集合
31         Elements name = document.getElementsByTag( "name" );
32  　　　　System.out.println(name.size());
33         //4.获取第一个name的Element对象
34         Element element = name.get( 0 );
35         //5.获取数据
36         String text = element.text();
37         System.out.println(text);
38     }
39 }

二、Jsoup 对象的使用

　　1、Jsoup 对象

　　　　Jsoup对象：工具类，可以解析 HTML 或 XML 文档，返回 Document 对象

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

　　　　　Demo:

 1 package jsoup;
 2 /**
 3  * Jsoup对象功能
 4  */
 5  
 6 import org.jsoup.Jsoup;
 7 import org.jsoup.nodes.Document;
 8  
 9 import java.io.File;
10 import java.io.IOException;
11 import java.net.URL;
12  
13 public class JsoupDemo2 {
14     public static void main(String[] args) throws IOException {
15         //获取xml解析文件的路径
16         String path = JsoupDemo1.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
17  
18         //1.解析xml文档，加载文档进内存,获取document对象
19         Document document = Jsoup.parse(new File( path ),"UTF-8");
20  
21         //2.parse(String html):解析xml或HTML字符串
22         String str="<?xml version=\"1.0\" encoding=\"UTF-8\" standalone=\"no\"?>\n" +
23                 "\n" +
24                 "<students>\n" +
25                 "\t<student number=\"0001\">\n" +
26                 "\t\t<name>tom</name>\n" +
27                 "\t\t<age>18</age>\n" +
28                 "\t\t<sex>male</sex>\n" +
29                 "\t</student>\n" +
30                 "\t<student number=\"0002\">\n" +
31                 "\t\t<name>jack</name>\n" +
32                 "\t\t<age>18</age>\n" +
33                 "\t\t<sex>female</sex>\n" +
34                 "\t</student>\n" +
35                 "</students>";
36         Document document1 = Jsoup.parse( str );
37 //        System.out.println(document1);
38  
39         //3.parse(URL url ,int timeoutMillis):通过网络路径获取指定的HTML或xml文档对象
40         URL url=new URL("https:www.baidu.com");
41         Document document2 = Jsoup.parse( url,10000);
42 //        System.out.println(document2);
43  
44  
45     }
46 }
View Code

　　2、Document 对象

　　　　Document对象：文档对象，代表内存中的 dom 树

　　　　获取 Element 对象的方法：

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

　　　　Demo:

 1 package com.ks.jsoup;
 2 
 3 import org.jsoup.Jsoup;
 4 import org.jsoup.nodes.Document;
 5 import org.jsoup.select.Elements;
 6  
 7 import java.io.File;
 8 import java.io.IOException;
 9  
10 /**
11  *Document/Elements对象
12  */
13 public class JsoupDomo3 {
14     public static void main(String[] args) throws IOException {
15         String path = JsoupDomo3.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
16         Document document = Jsoup.parse( new File( path ), "UTF-8" );
17  
18         //1.获取所有的student对象
19         Elements student = document.getElementsByTag( "student" );
20         System.out.println(student);
21         System.out.println("========================");
22  
23         //2.获取id属性的元素对象
24         Elements id = document.getElementsByAttribute( "id" );
25         System.out.println(id);
26         System.out.println("========================");
27  
28         //3.根据id属性值获取唯一的element对象
29         Elements value = document.getElementsByAttributeValue( "id", "itcast" );
30         System.out.println(value);
31     }
32 }
View Code

　　3、Elements

　　　　Elements：元素 Element 对象的集合，可以当做 ArrayList<Element> 来使用

　　4、Element 对象

　　　　Element 表示元素对象

　　　　（1）获取子元素对象的方法

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）获取属性值的方法

String attr(String key)：根据属性名称获取属性值

　　　　（3）获取文本内容

String text():获取所有子标签的纯文本内容
String html():获取标签体的所有内容(包括子标签和标签里面的内容的字符串内容)

　　　　　　Demo:

 1 package com.ks.jsoup;
 2  
 3 import org.jsoup.Jsoup;
 4 import org.jsoup.nodes.Document;
 5 import org.jsoup.nodes.Element;
 6 import org.jsoup.select.Elements;
 7  
 8 import java.io.File;
 9 import java.io.IOException;
10  
11 /**
12  * Element对象
13  */
14 public class JsoupDemo4 {
15     public static void main(String[] args) throws IOException {
16         String path = JsoupDemo4.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
17         Document document = Jsoup.parse( new File( path ), "UTF-8" );
18  
19         //通过document获取所有的name标签，可以获取两个
20         Elements name = document.getElementsByTag( "name" );
21         System.out.println(name.size());
22  
23         //通过element对象子标签对象,可以获取一个
24         Element ele_Student = document.getElementsByTag( "name" ).get( 0 );
25         Elements els_name = ele_Student.getElementsByTag( "name" );
26         System.out.println(els_name.size());
27  
28         //获取student对象的属性值
29         String number = ele_Student.attr( "number" );
30         System.out.println(number.length());
31         //获取文本内容
32         String text = els_name.text();
33         String html = els_name.html();
34         System.out.println(text);
35         System.out.println(html);
36     }
37 }
View Code

　　5、Node 对象

　　　　Node 表示节点对象，是 Document 和 Element 的父类

三、Jsoup 快捷查询方式

　　1、selector 选择器

　　　　使用的方法：Elements

Elements    select​(String cssQuery)

　　　　详细语法，参考 JavaAPI中 Selector 类中定义的语法。

　　　　Demo：

1  import org.jsoup.Jsoup;
 2 import org.jsoup.nodes.Document;
 3 import org.jsoup.nodes.Element;
 4 import org.jsoup.select.Elements;
 5 
 6 import java.io.File;
 7 import java.io.IOException;
 8 
 9 /**
10  *选择器查询
11  */
12 public class JsoupDemo {
13     public static void main(String[] args) throws IOException {
14         //1.获取student.xml的path
15         String path = JsoupDemo5.class.getClassLoader().getResource("student.xml").getPath();
16         //2.获取Document对象
17         Document document = Jsoup.parse(new File(path), "utf-8");
18 
19         //3.查询name标签
20 
21         Elements elements = document.select("name");
22         System.out.println(elements);
23         System.out.println("=----------------");
24         //4.查询id值为java的元素
25         Elements elements1 = document.select("#java");
26         System.out.println(elements1);
27         System.out.println("----------------");
28         //5.获取student标签并且number属性值为java_0001的age子标签
29         //5.1.获取student标签并且number属性值为java_0001
30         Elements elements2 = document.select("student[number=\"java_0001\"]");
31         System.out.println(elements2);
32         System.out.println("----------------");
33 
34         //5.2获取student标签并且number属性值为java_0001的age子标签
35         Elements elements3 = document.select("student[number=\"java_0001\"] > age");
36         System.out.println(elements3);
37 
38     }
39 
40 }

　　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级）文档中某部分位置的语言

　　　　使用步骤：

　　　　　　（1）使用 Jsoup 的 Xpath 需要额外导入 jar 包。

　　　　　　（2）使用 Xpath 语法完成查询。XPath 语法

　　　　  Demo：

 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 import org.jsoup.select.Elements;
 7 import java.io.File;
 8 import java.io.IOException;
 9 import java.util.List;
10 
11 /**
12  *XPath查询
13  */
14 public class JsoupDemo6 {
15     public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
16         //1.获取student.xml的path
17         String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
18         //2.获取Document对象
19         Document document = Jsoup.parse(new File(path), "utf-8");
20 
21         //3.根据document对象，创建JXDocument对象
22         JXDocument jxDocument = new JXDocument(document);
23 
24         //4.结合xpath语法查询
25         //4.1查询所有student标签
26         List<JXNode> jxNodes = jxDocument.selN("//student");
27         for (JXNode jxNode : jxNodes) {
28             System.out.println(jxNode);
29         }
30 
31         System.out.println("--------------------");
32 
33         //4.2查询所有student标签下的name标签
34         List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
35         for (JXNode jxNode : jxNodes2) {
36             System.out.println(jxNode);
37         }
38 
39         System.out.println("--------------------");
40 
41         //4.3查询student标签下带有id属性的name标签
42         List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
43         for (JXNode jxNode : jxNodes3) {
44             System.out.println(jxNode);
45         }
46         System.out.println("--------------------");
47         //4.4查询student标签下带有id属性的name标签 并且id属性值为java
48 
49         List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='java']");
50         for (JXNode jxNode : jxNodes4) {
51             System.out.println(jxNode);
52         }
53     }
54 
55 }

 

猜你喜欢

转载自www.cnblogs.com/niujifei/p/12404562.html
今日推荐
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
国产云输入法——仅华为无云端数据上传安全问题
开源日报 | 工业开源项目OGG 1.0；姐姐，你要和我一起配置火狐吗；苹果AI遥遥落后？Fedora 40
开放签电子签章：停止新增，优化体验，前进更进（五一假期前工作）
周排行
Metasploit文件目录与入侵基本概念
跨域(CORS)请求问题[No 'Access-Control-Allow-Origin' header is present on the requested resource]常见解决方案
CodeIgniter 源码解读之 CodeIgniter.php（二）
SAS入门之（四）改变数据类型
初识元组
[数学建模]数学建模算法和模型（B站视频）（二）
Nginx 服务器源码安装配置流程
C#实现语音视频录制 【基于MCapture + MFile】
开发进度4
下载安装vue的方法网址
每日归档
更多
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)
2024-04-20(6)
2024-04-19(5)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022