解析XML的方式:
-
DOM解析:将标记型语言文档一次性加载到内存,在内存中形成dom树。 *优点:操作方便,可以对文档进行增删改查的所有操作 *缺点:占用内存较大
-
SAX解析: 基于事件驱动,逐行读取。 *优点:占用内存较小 *缺点:只能读取,不能增删改
XML文档常见解析器
-
JAXP:sun公司提供的解析器,支持dom和sax两种思想
-
DOM4J:一个十分优秀的JavaXML API,具有性能优异、功能强大和极其易使用的特点
-
Jsoup: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。
Jsoup解析器学习
操作步骤:
- 导入jar包
- 获取Document对象
- 获取对应标签Element对象
- 获取数据
students.xml文件内容
<?xml version="1.0" encoding="utf-8" ?>
<students>
<student id="1" number="001">
<name>张三</name>
<age>18</age>
<gender>男</gender>
</student>
<student id="2" number="002">
<name>李四</name>
<age>28</age>
<gender>男</gender>
</student>
</students>
//获取students.xml的路径
String path = JsoupDemo1.class.getClassLoader().getResource("students.xml").getPath();
//将XML解析为文档
Document ducument = Jsoup.parse(new File(path),"utf-8");
//获取文档中的name标签
Elements names = ducument.getElementsByTag("name");
//遍历Elements数组
for (Element name :names) {
//打印元素的文本内容
System.out.println(name.text());
}
常用对象
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
* 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
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
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)
5. Node:节点对象
* 是Document和Element的父类
快速查询方式:
-
selector:选择器
通过decument对象的select(String cssQuery)方法进行查询 cssQuery参数参考Selector类中定义的语法
//获取students.xml的路径
String path = JsoupDemo5.class.getClassLoader().getResource("students.xml").getPath();
//将XML解析为文档
Document document = Jsoup.parse(new File(path),"utf-8");
//通过选择器查询student标签
Elements result = document.select("student");
System.out.println(result.size());
for (Element element: result) {
System.out.println(element);
}
//通过id值查看此id值的标签
result = document.select("student#1");
System.out.println(result.size());
for (Element element: result) {
System.out.println(element);
}
System.out.println("^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^");
//获取student标签并且number属性值为001的age子标签
result = document.select("student[number=001] > age");
for (Element e:result) {
System.out.println(e);
}
-
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, 并且需要使用xpath的语法完成查询。
//获取students.xml的路径
String path = JsoupDemo6.class.getClassLoader().getResource("students.xml").getPath();
//将XML解析为文档
Document document = Jsoup.parse(new File(path),"utf-8");
//根据document对象 创建JxDocument对象
JXDocument jxDocument = new JXDocument(document);
//选取根元素。假如路径起始于正斜杠( / ),则此路径始终代表到某元素的绝对路径
List<JXNode> jxNodes = jxDocument.selN("/students");
System.out.println(jxNodes.size());
for (JXNode jxNode : jxNodes)
{
System.out.println(jxNode);
}
//选取student子元素
jxNodes = jxDocument.selN("//student");
for (JXNode jxNode: jxNodes) {
System.out.println(jxNode);
}
//选取student元素的子元素age
jxNodes = jxDocument.selN("//student/age");
for (JXNode jxNode: jxNodes) {
System.out.println(jxNode);
}
//选取students下student元素id=1的student
jxNodes = jxDocument.selN("//students/student[@id=1]");
for (JXNode jxNode: jxNodes) {
System.out.println(jxNode);
}
//选取student子元素
jxNodes = jxDocument.selN("//@id");
for (JXNode jxNode: jxNodes) {
System.out.println(jxNode);
}