1. 技术文章
  2. 解析XML文件

解析XML文件

由 白昼怎懂夜的黑 提交于 2020-01-26 17:39:00

文章目录

上期文章回顾：【XML基础】

1.xml解析方式

解析xml文档：操作xml文档，将文档中的数据读取到内存中

操作xml文档

  • 解析（读取）：将文档中的数据读取到内存中
  • 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

  1. SAX：逐行读取，基于事件驱动的

  • 优点：不占内存

  • 缺点：只能读取逐条读取，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DON和SAX两种思想
  2. DOM4J：一款非常优秀的解析器
  3. 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jouery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

【Jsoup及JsoupXpath下载】

  • 提取码：1tcs

2.Jsoup解析器

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。它提供了一套井常省力的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原本是解析HTML的，但是XML也是标记性语言，同样可以解析。

Jsoup解析步骤

  1. 导入jar包
  2. 获取Document对象
  3. 获取对应的标签Element对象
  4. 获取数据（文本内容等）

Jsoup解析xml文档Demo

stu.xml

<?xml version="1.0"encoding="UTF-8"?>
<students>
    <student number="001">
        <name id="xml01">tom</name>
        <age>18</age>
        <sex>male</sex>
    </student>
    <student number="002">
        <name id="xml02">jack</name>
        <age>18</age>
        <sex>female</sex>
    </student>
</students>

JsoupDemo.java

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;

public class JsoupDemo {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象,根据XML对象获取
        //获取student.xml的path(类名)
        String path = JsoupDemo.class.getClassLoader().getResource("stu.xml").getPath();
        //2.解析xml文档,将文档加载如内存,获取DOM树
        Document document = Jsoup.parse(new File(path),"utf-8");
        //3.获取元素对象Element
        Elements elements = document.getElementsByTag("name");

        System.out.println(elements.size());
        //获取第一个name的Element对象
        Element element = elements.get(0);
        //获取数据
        String name = element.text();
        System.out.println(name);
    }
}

【解析结果】

I. 导入jar包

新建 libs目录，右击Add as Library

选择Module Library

在这里插入图片描述

II. Jsoup对象

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

重载方法：

  • 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xml字符串

public class JsoupObject_parse_String {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象,根据XML对象获取
        //获取student.xml的path
        String path = JsoupDemo.class.getClassLoader().getResource("user.xml").getPath();
        //2.解析xml文档,将文档加载如内存,获取DOM树
       //parse(String html): 解析xml或html字符串
        String str="<?xml version=\"1.0\"encoding=\"UTF-8\"?>\n"+
                "\n"+
                "<students>\n"+
                "\t<student number=\"heima_e0e1\">\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=\"heima_0002\">\n"+
                "\t\t<name>jack</name>\n"+
                "\t\t<age>18</age>\n"+
                "\t\t<sex>female</sex>\n"+
                "\t</student>\n"+
                "\n"+
                "</students>";
        //获取元素对象
        Document document = Jsoup.parse(str);
        System.out.println(document);
    }
}

【解析结果】

解析url

public class JsoupObject_parse_URL {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象,根据xml对象获取
        //获取student.xml的path(类名)
        String path = JsoupObject_parse_URL.class.getClassLoader().getResource("user.xml").getPath();
        //2.解析xml文档,将文档加载如内存,获取DOM树
        //parse(URL url,int timeoutMillins):通过网络路径获取指定的html或xml的文档对象
        URL url = new URL("https://baike.sogou.com/v63211637.htm?fromTitle=jsoup");
        Document doc = Jsoup.parse(url,10000);
        System.out.println(doc);
    }
}

【解析结果：获取的是F12网页源码】
在这里插入图片描述

解析URL其实在爬虫里面用的更广泛

2.Document：文档对象，代表内存中的DOM树

获取Elemet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

stu.xml

前两部的操作都是相同的

  • 获取Document对象
  • 将文档加载到内存中

在这里插入图片描述
然后便是获取想要的属性得到元素对象
在这里插入图片描述

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

获取Element对象(同上一步的代码)

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;

/**
 * @Author: Mr.Q
 * @Date: 2020-01-21 11:08
 * @Description:
 */
public class JsoupObject_Document {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象,根据XML对象获取
        //获取student.xml的path(类名)
        String path = JsoupObject_Document.class.getClassLoader().getResource("stu.xml").getPath();
        //2.解析xml文档,将文档加载如内存,获取DOM树
        Document document = Jsoup.parse(new File(path),"utf-8");

        //3.获取元素对象Element
        //获取所有student对象
        Elements elements = document.getElementsByTag("student");

        System.out.println(elements);

        //获取属性名为 id的元素对象
        Elements eme = document.getElementsByAttribute("id");
        System.out.println("**********************************");
        System.out.println(eme);

        //获取 number属性值为001的元素对象
        Elements ele = document.getElementsByAttributeValue("number","001");
        System.out.println("----------------------------------");
        System.out.println(ele);

        //获取id属性值的元素对象
        Element msg = document.getElementById("xml01");
        System.out.println("*****-----*****-----*****-----*****");
        System.out.println(msg);
    }
}

【获取所有student对象】

【获取属性名为 id的元素对象】

【获取 number属性值为001的元素对象】

【获取id属性值的元素对象】

4.Element：元素对象

a. 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

在这里插入图片描述

Elements获取的是所有students的name属性，所以为 2

Element获取的是所有student的name属性，所以为 1

b. 获取属性值

String attr(string attributekey)：根据属性名称获取属性值
在这里插入图片描述

c. 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）

在这里插入图片描述
【区别】

text()仅仅获取的是文本内容，html()获取的是子标签的字符串表现形式

Element获取子元素对象

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;

/**
 * @Author: Mr.Q
 * @Date: 2020-01-26 11:56
 * @Description:Element---获取子元素对象
 */
public class JsoupObject_Element {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象,根据XML对象获取
        //获取student.xml的path(类名)
        String path = JsoupObject_Document.class.getClassLoader().getResource("stu.xml").getPath();
        //2.解析xml文档,将文档加载如内存,获取DOM树
        Document document = Jsoup.parse(new File(path),"utf-8");

        //3.获取元素对象Element
        //通过Document对象获取name标签,获取所有的name标签可以获取到两个
        Elements elements = document.getElementsByTag("name");
        System.out.println(elements.size());
        System.out.println("*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*");

        //通过Element对象获取student子标签对象
        Element ele_stu = document.getElementsByTag("student").get(0);
        Elements ele_name = ele_stu.getElementsByTag("name");
        System.out.println(ele_name.size());

        System.out.println("*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*");
        //获取student子标签对象的属性值
        String number = ele_stu.attr("number");
        System.out.println(number);

        System.out.println("*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*-*");
        //获取文本内容
        String text = ele_name.text();
        String html = ele_name.html();
        System.out.println(text);
        System.out.println(html);
    }
}

5.Node：节点对象是Document和Element的父类

3.快捷查询方式

selector选择器

使用的方法：Elements select(string cssouery)

语法：参考selector类中定义的语法

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;

/**
 * @Author: Mr.Q
 * @Date: 2020-01-21 14:17
 * @Description:选择器查询
 */
public class Jsoup_selector {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象,根据XML对象获取
        //获取student.xml的path(类名)
        String path = Jsoup_selector.class.getClassLoader().getResource("stu.xml").getPath();
        //2.解析xml文档,将文档加载如内存,获取DOM树
        Document document = Jsoup.parse(new File(path), "utf-8");

        //查询 name标签
        Elements elements = document.select("name");
        System.out.println(elements);

        //查询id值为 xml01的元素
        Elements ele = document.select("#xml01");
        System.out.println("\n**************************");
        System.out.println(ele);
    }
}
  • 获取stu标签,并且获取 number—>001的 age子标签

    在这里插入图片描述
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;

/**
 * @Author: Mr.Q
 * @Date: 2020-01-21 14:24
 * @Description:Jsoup_选择器查询
 * @获取stu标签,并且获取 number--->001的 age子标签
 */
public class Jsoup_selector_Demo {
    public static void main(String[] args) throws IOException {
        //1.获取Document对象,根据XML对象获取
        //获取student.xml的path(类名)
        String path = Jsoup_selector_Demo.class.getClassLoader().getResource("stu.xml").getPath();
        //2.解析xml文档,将文档加载如内存,获取DOM树
        Document document = Jsoup.parse(new File(path), "utf-8");

        //获取stu标签number--->001的标签
        Elements elements = document.select("student[number=\"001\"]");
        System.out.println(elements);

        //获取stu标签下的 number--->001的 age子标签
        Elements ele = document.select("student[number=\"001\"] > age");
        System.out.println("\n**************************");
        System.out.println(ele);
    }
}

【解析结果】

JsoupXpath解析

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

  • Xpath W3School参考手册

首先要导入JsoupXpath-0.3.2.jar包，同上

XPath查询

查询的结果放入到List集合中

import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
import cn.wanghaomiao.xpath.model.JXDocument;
import cn.wanghaomiao.xpath.model.JXNode;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import java.io.File;
import java.io.IOException;
import java.util.List;

/**
 * @Author: Mr.Q
 * @Date: 2020-01-21 14:56
 * @Description:XPath查询
 */
public class Jsoup_Xpath {
    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
        //1.获取Document对象,根据XML对象获取
        //获取student.xml的path(类名)
        String path = Jsoup_Xpath.class.getClassLoader().getResource("stu.xml").getPath();
        //2.解析xml文档,将文档加载如内存,获取DOM树
        Document document = Jsoup.parse(new File(path), "utf-8");
        
        //3.根据Document创建JXDocument对象
        JXDocument jxDocument = new JXDocument(document);
        
        //4.结合xpath语法查询
        // **查询所有student标签
        System.out.println("\n*-*-*-*-*-查询所有student标签*-*-*-*-*-*-");
        List<JXNode> jxNodeList = jxDocument.selN("//student");
        for (JXNode jxNode : jxNodeList) {
            System.out.println(jxNode);
        }

        System.out.println("\n*-*-*-*-*-查询所有student标签下的name标签*-*-*-*-*-*-");
        // **查询所有student标签下的name标签
        List<JXNode> jxNodeList1 = jxDocument.selN("//student/name");
        for (JXNode jxNode : jxNodeList1) {
            System.out.println(jxNode);
        }

        System.out.println("\n*-*-*-*-*-查询student标签下带有 id属性的name标签*-*-*-*-*-*-");
        // **查询student标签下带有 id属性的name标签
        List<JXNode> jxNodeList2 = jxDocument.selN("//student/name[@id]");
        for (JXNode jxNode : jxNodeList2) {
            System.out.println(jxNode);
        }

        System.out.println("\n*-*-*-*查询student标签下带有 id属性的name标签,id属性值为xml01-*-*-*-");
        // **查询student标签下带有 id属性的name标签,id属性值为xml01
        List<JXNode> jxNodeList3 = jxDocument.selN("//student/name[@id='xml02']");
        for (JXNode jxNode : jxNodeList3) {
            System.out.println(jxNode);
        }
    }
}

【查询结果】



【参考文章】

  1. XML解析器(Jsoup和JsoupXpath)
  2. XML解析器Jsoup
标签
xml语言
jsoup
element
xml解析
文件属性
html代码
html语言
string
dom
dom对象
易学教程内所有资源均来自网络或用户发布的内容，如有违反法律规定的内容欢迎反馈！
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!