1、概念:操作xml文档,将文档中的数据读取到内存中
xml 可扩展的标记语言。 不管是 html 文件还是 xml 文件它们都是标记型文档,都可以使用 w3c 组织制定的 dom 技术来解析
操作xml文档
1.解析(读取):将文档中的数据读取到内存中
2.写入: 将内存中的数据保存到xml文档中。持久化的存储
2、 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的所操作
- 缺点:占内存
2.SAX: 逐行读取,基于事件驱动的。
- 优点:不占内存。
- 缺点:只能读取,不能增删改
3、xml常见的解析器:
- JAXP: sun公司提供的解析器,支持dom和sax两种思想
- DOM4J: 一款非常优秀的解析器
- 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。
- PULL: Android操作系统内置的解析器,sax方式的。
4、dom4j 解析技术
需要分四步操作:
- 第一步,通过创建 SAXReader 对象。来读取 xml 文件,获取 Document 对象
- 第二步,通过 Document 对象。拿到 XML 的根元素对象
- 第步,通过根元素对象。获取所的 book 标签对象
- 第四步,遍历每个 book 标签对象。然后获取到 book 标签对象内的每一个元素,再通过 getText() 方法拿到起始标签和结束标签之间的文本内容
package loey.dom4j.book;
import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;
import org.junit.Test;
import java.util.List;
public class Dom4jTest {
// 需要分四步操作:
// 第一步,通过创建 SAXReader 对象。来读取 xml 文件,获取 Document 对象
// 第二步,通过 Document 对象。拿到 XML 的根元素对象
// 第步,通过根元素对象。获取所的 book 标签对象
// 第四步,遍历每个 book 标签对象。然后获取到 book 标签对象内的每一个元素,再通过 getText() 方法拿到起始标签和结束标签之间的文本内容
@Test
public void readXML() throws DocumentException {
// 第一步,通过创建 SAXReader 对象。来读取 xml 文件,获取 Document 对象
SAXReader reader = new SAXReader();
//这个对象用于读取xml文件,然后返回一个Document
Document document = reader.read("src/loey/dom4j/book/books.xml");
// 打印到控制台,看看是否创建成功
// System.out.println(document);//org.dom4j.tree.DefaultDocument@4aa8f0b4 [Document: name src/loey/dom4j/book/books.xml]
// 第二步,通过 Document 对象。拿到 XML 的根元素对象
Element root = document.getRootElement();
// 打印测试
// Element.asXML() 它将当前元素转换成为 String 对象
// System.out.println(root.asXML());
// 第三步,通过根元素对象。获取所的 book 标签对象
// Element.elements(标签名)它可以拿到当前元素下的指定的子元素的集合
List<Element> books = root.elements("book");
// 第四步,遍历每个 book 标签对象。然后获取到 book 标签对象内的每一个元素,
for(Element book : books){
// 测试
//System.out.println(book.asXML());
// 拿到 book 下面的 name 元素对象
Element nameElement = book.element("name");
// 再通过 getText() 方法拿到起始标签和结束标签之间的文本内容
String nameText = nameElement.getText();
//Element.elementText():直接获取指定标签的文本内容
String priceText = book.elementText("price");
String autorText = book.elementText("autor");
//获取属性的Value值
String snValue = book.attributeValue("sn");
System.out.println(new Book(snValue,nameText,Double.parseDouble(priceText),autorText));
}
}
}
5、JSoup解析技术
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。
- 快速入门:
- 步骤:
- 导入jar包
- 获取Document对象
- 获取对应的标签Element对象
- 获取数据
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
public class JsoupTest1 {
public static void main(String[] args) throws IOException {
//2.获取Document对象,根据xml文档获取
//2.1获取student.xml的path
String path = JsoupTest1.class.getClassLoader().getResource("src/loey/jsoup/student/students.xml").getPath();
//2.2解析xml文档,加载文档进内存,获取dom树--->Document
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);
//3.1获取第一个name的Element对象
Element element = elements.get(0);
//3.2获取数据
String name = element.text();
System.out.println(name);
}
}
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
- 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
举例:
public static void main(String[] args) throws IOException {
//2.1获取student.xml的path
String path = JsoupDemo2.class.getClassLoader().getResource("student.xml").getPath();
//2.2解析xml文档,加载文档进内存,获取dom树--->Document
/* Document document = Jsoup.parse(new File(path), "utf-8");
System.out.println(document);*/
//2.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_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=\"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>";
Document document = Jsoup.parse(str);
System.out.println(document);*/
//3.parse(URL url, int timeoutMillis):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.baidu.com/item/jsoup/9012509?fr=aladdin");//代表网络中的一个资源路径
Document document = Jsoup.parse(url, 10000);
System.out.println(document);
}
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
举例:
public static void main(String[] args) throws IOException {
//1.获取student.xml的path
String path = JsoupTest3.class.getClassLoader().getResource("src/loey/jsoup/student/students.xml").getPath();
//2.获取Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//3.获取元素对象了。
//3.1获取所student对象
Elements students = document.getElementsByTag("student");
System.out.println(students);
System.out.println("*************************");
//3.2 获取属性名为id的元素对象们
Elements id = document.getElementsByAttribute("id");
System.out.println(id);
System.out.println("*************************");
//3.2获取 number属性值为1001的元素对象
Elements number = document.getElementsByAttributeValue("number", "1001");
System.out.println(number);
}
3. Elements:元素Element对象的集合。可以当做 ArrayList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(): 获取标签体的所内容(包括字标签的字符串内容)
举例:
public static void main(String[] args) throws IOException {
String path = JsoupTest4.class.getClassLoader().getResource("src/loey/jsoup/student/students.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
//通过Document对象获取name标签,获取所的name标签,可以获取到两个
Elements names = document.getElementsByTag("name");
System.out.println(names.size());
System.out.println("****************");
//通过Element对象获取子标签对象
Element student = document.getElementsByTag("student").get(0);
Elements name = student.getElementsByTag("name");
System.out.println(name);
//获取student对象的属性值
String number = student.attr("number");
System.out.println(number);
System.out.println("****************");
//获取文本内容
String nameText = name.text();
String nameHtml = name.html();
System.out.println(nameText);//张
System.out.println(nameHtml);//<xing>张</xing><ming></ming>
}
5. Node:节点对象
是Document和Element的父类
快捷查询方式:
1. selector:选择器
- 使用的方法:Elements select(String cssQuery)
- 语法:参考Selector类中定义的语法
public static void main(String[] args) throws IOException {
//1.获取student.xml的path
String path = JsoupDemo5.class.getClassLoader().getResource("src/loey/jsoup/student/students.xml").getPath();
//2.获取Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//3.查询name标签
Elements elements = document.select("name");
System.out.println(elements);
System.out.println("**************");
//4.查询id值为name的元素
Elements element = document.select("#name");
System.out.println(element);
System.out.println("**************");
//5.获取student标签并且number属性值为1001的age子标签
//5.1.获取student标签并且number属性值为1001
Elements elements1 = document.select("student[number=\"1001\"]");
System.out.println(elements1);
System.out.println("**************");
//5.2获取student标签并且number属性值为1001的age子标签
Elements elements2 = document.select("student[number=\"1001\"] > age");
System.out.println(elements2);
}
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。
- 查询w3cshool参考手册,使用xpath的语法完成查询
public static void main(String[] args) throws Exception {
//1.获取student.xml的path
String path = JsoupDemo5.class.getClassLoader().getResource("src/loey/jsoup/student/students.xml").getPath();
//2.获取Document对象
Document document = Jsoup.parse(new File(path), "utf-8");
//3.根据document对象,创建JXDocument对象
JXDocument jxDocument = new JXDocument(document);
//4.结合xpath语法查询
//4.1查询所student标签
List<JXNode> jxNodes = jxDocument.selN("//student");
for(JXNode jxNode : jxNodes){
System.out.println(jxNode);
}
System.out.println("--------------------");
//4.2查询所student标签下的name标签
List<JXNode> jxNodes1 = jxDocument.selN("//student//name");
for(JXNode jxNode : jxNodes1){
System.out.println(jxNode);
}
System.out.println("************");
//4.3查询student标签下带id属性的name标签
List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");
for(JXNode jxNode : jxNodes2){
System.out.println(jxNode);
}
System.out.println("--------------------");
//4.4查询student标签下带id属性的name标签 并且id属性值为name
List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id='name']");
for(JXNode jxNode : jxNodes3){
System.out.println(jxNode);
}
}