目录
一、概述
xml 的解析就是操作 xml 文档,将文档内容读取到内存中,解析的方法两种
- dom:将标记语言文档一次性加载到内存,在内存中形成一颗 dom 树
- sax:逐行解析
二、dom 和 sax 解析对比
dom 解析:
- 根据 xml 的层级结构在内存中分配一个树形结构,把 xml 的标签,属性和文本都封装成对象
- 优点:很方便实现增、删、改操作
- 缺点:消耗内存,会造成内存溢出
sax 解析:
- 采用事件驱动,边读边解析
- 从上到下,一行一行的解析,解析到某个对象就返回对象名称
- 优点:不占内存,方便实现查询操作
- 缺点:只能读取,不能实现增、删、改操作
三、解析器
不同的公司和组织提供了针对 dom 和 sax 方式的解析器,都是通过 api 方式提供的,主要有:
- sun 公司提供的针对 dom 和 sax 解析器:Jaxp
- dom4j 组织提供的针对 dom 和 sax 解析器:dom4j(开发中用的最多)
- jdom 组织提供的针对 dom 和sax 解析器:Jdom
- Java的HTML解析器,可以直接解析URL地址、HTML 文本内容:Jsoup
四、Jsoup 解析器
1、导入 jar 包
导入 jsoup-1.12.1.jar 包
链接:https://pan.baidu.com/s/1wz8NKy2xgqTV5lzc4CbaQQ
提取码:rwwo
2、获取 Document 对象
- parse()方法:解析 HTML 或 xml 文档,返回 Document 对象
- parse(File in,String charsetName):解析 xml 或 HTML 文件
- 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 文档对象
3、获取对应的标签 Element 对象
- getElementById(String id):根据id属性值获取唯一的element对象
- getElementByTag(String tagName):根据标签名称获取元素对象集合
- getElementByAttribute(String key):根据属性名称获取元素对象集合
- getElementByAttributeValue(String key,String value):根据对应的属性名称和属性值获取元素对象集合
4、获取数据
public static void main(String[] args) throws IOException {
//1.获取Document对象
String path = jsoup.class.getClassLoader().getResource("person.xml").getPath();
Document document = Jsoup.parse(new File(path),"utf-8");
//2.获取元素Element对象
Elements elements = document.getElementsByTag("name");
System.out.println(elements);
System.out.println("******************");
//3.获取第一个name的Element对象
Element element = elements.get(0);
System.out.println(element.text());
System.out.println("******************");
//4.获取属性名为pid的元素对象
Elements elements1 = document.getElementsByAttribute("id");
System.out.println(elements1);
System.out.println("******************");
//5.获取number属性值为15450132的元素对象
Elements elements2 = document.getElementsByAttributeValue("number","15450132");
System.out.println(elements2);
System.out.println("******************");
//根据id属性获取element对象
Element element1 = document.getElementById("一颗星");
System.out.println(element1);
}
5、快捷查询
【1】selector:选择器
使用上面的查询需要先查询到上一级元素才能往下查询,工作量比较大,jsoup 就提供了一种快捷查询的方法,即使用 selector 选择器
- Elements select(String cssQuery)
public static void main(String[] args) throws IOException {
//1.获取Document对象
String path = jsoup.class.getClassLoader().getResource("person.xml").getPath();
Document document = Jsoup.parse(new File(path),"utf-8");
//获取name标签
Elements elements = document.select("name");
System.out.println(elements);
System.out.println("***********");
//查询id值为pid的元素
Elements elements1 = document.select("#一颗星");
System.out.println(elements1);
System.out.println("***********");
//获取指定标签下的指定标签
//先获取指定标签
//Elements elements2 = document.select("p1[id="pid"]");
//再获取指定标签下的标签
Elements elements2 = document.select("p1[id=\"pid\"] > age");
System.out.println(elements2);
}
【2】XPath
快捷查询还有一种 xpath 方法查询,这个在下一篇 dom4j 解析器叙述