XML介绍：
XML简介：
- XML,可扩展标记语言，标准通用标记语言的子集。
- 一种用于标记电子文件使其具有结构性的标记语言。
- 它可以用来标记数据、定义数据类型
- 是一种允许用户对自己的标记语言进行定义的源语言。
- 非常适合万维网传输
- 提供统一方法描述和交换独立于应用程序或供应商的结构化数据
XML的特点：
- XML是一种标记语言，很类似HTML
- XML的设计宗旨是传输数据，而非显示数据
- XML标签没有被预定义，需要自行定义标签
- XML被设计为具有自我描述性
-
XML是W3C的推荐标准
XML与HTML对比：
- XML和HTML是为不同目的而设计：
XML被设计为传输和存储数据，其焦点是数据的内容
- HTML被设计用来显示数据，其焦点是数据的外观
- HTML旨在显示数据，而XML旨在传输数据
2.XML仅仅是纯文本
有能力处理纯文本的软件都可以处理XML。不过能够读懂XML的应用程序可以有针对的处理XML的标签。标签的功能性意义依赖于应用程序的特性。
3.XML没有预定义的标签
在HTML中使用的标签（以及HTML的结构）是预定义的。HTML文档只使用在HTML标准中定义过的标签。
XML的语法规则：
- 在XML中，省略关闭标签是非法的，所有标签都必须有关闭标签。
- XML标签对对大小写敏感
- XML必须正确的嵌套
- XML文档必须有根元素
- XML的属性值必须加引号
- XML中，空格会被保留
元素可以包含其他元素、文本、或者两者的混合物。元素也可以拥有属性。
<bookstore>
<book category="children">
<title>Harry Potter</title>
<author>JK.Rowing</author>
<year>2005</year>
<price>29.9</price>
</book>
</bookstore><bookstore>和<book>都拥有元素内容，因为他们包含了其他元素。
<author>只有文本内容，因为仅包含文本。
在上例中，只有<book>元素属性（category="children"）使用JDK自带的API(Document)解析和生成XML文件：
需要解析的XML文件：
<?xml version="1.0" encoding="utf-8"?>
<languages cat="it">
<lan id="1">
<name>Java</name>
<ide>Eclipse</ide>
</lan>
<lan id="2">
<name>Swift</name>
<ide>XCode</ide>
</lan>
<lan id="3">
<name>C#</name>
<ide>Visual Studio</ide>
</lan>
</languages>
package com.example.myxmltest;
import java.io.InputStream;
import java.io.StringWriter;
import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NodeList;
import android.app.Activity;
import android.os.Bundle;
import android.widget.TextView;
public class MainActivity extends Activity {
private TextView text;
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
initView();
dealXML();//解析XML文件
// createXML();//创建XML文件
}
/**
* 创建XML文件
*/
private void createXML() {
try {
DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = builderFactory.newDocumentBuilder();
Document document = builder.newDocument();
//创建根节点元素
Element root = document.createElement("Languages");
//为根节点元素设置属性值
root.setAttribute("cat", "it");
//第一个子节点
//创建子节点元素，并为子节点元素设置属性值
Element lan1 = document.createElement("lan");
lan1.setAttribute("id", "1");
//创建子节点的子节点元素，并为其设置内容属性值
Element name1 = document.createElement("name");
name1.setTextContent("Java");
Element ide1 = document.createElement("ide");
ide1.setTextContent("Eclipse");
//将这些内容节点添加到子节点中作为子节点的子节点
lan1.appendChild(name1);
lan1.appendChild(ide1);
//第二个子节点
//创建子节点元素，并为子节点元素设置属性值
Element lan2 = document.createElement("lan");
lan2.setAttribute("id", "2");
//创建子节点的子节点元素，并为其设置内容属性值
Element name2 = document.createElement("name");
name2.setTextContent("Swift");
Element ide2 = document.createElement("ide");
ide2.setTextContent("XCode");
//将这些内容节点添加到子节点中作为子节点的子节点
lan2.appendChild(name2);
lan2.appendChild(ide2);
//第三个子节点
//创建子节点元素，并为子节点元素设置属性值
Element lan3 = document.createElement("lan");
lan3.setAttribute("id", "3");
//创建子节点的子节点元素，并为其设置内容属性值
Element name3 = document.createElement("name");
name3.setTextContent("C#");
Element ide3 = document.createElement("ide");
ide3.setTextContent("Visual studio");
//将这些内容节点添加到子节点中作为子节点的子节点
lan3.appendChild(name3);
lan3.appendChild(ide3);
//将子节点添加到根节点中作为根节点的子节点
root.appendChild(lan1);
root.appendChild(lan2);
root.appendChild(lan3);
//添加根节点元素
document.appendChild(root);
TransformerFactory transformerFactory = TransformerFactory.newInstance();
Transformer transformer = transformerFactory.newTransformer();
transformer.setOutputProperty("encoding", "utf-8");
StringWriter sw = new StringWriter();
transformer.transform(new DOMSource(document), new StreamResult(sw));
text.setText(sw.toString());
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* 用JDK自带的API（Document）解析XML文件
*/
private void dealXML() {
try {
DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = builderFactory.newDocumentBuilder();
InputStream inputStream = getAssets().open("languages.xml");
Document document = builder.parse(inputStream);
//当前的element代表根节点中所有内容
Element element = document.getDocumentElement();
NodeList nodeList = element.getElementsByTagName("lan");
for (int i = 0; i < nodeList.getLength(); i++) {
Element lan = (Element) nodeList.item(i);
text.append(lan.getAttribute("id")+"\n");
text.append(lan.getElementsByTagName("name").item(0).getTextContent()+"\n");
text.append(lan.getElementsByTagName("ide").item(0).getTextContent()+"\n");
}
} catch (Exception e) {
e.printStackTrace();
}
}
private void initView() {
text = (TextView) findViewById(R.id.text);
}
}
HTML、XML等Dom节点类解析库的使用：
Jsoup简介：
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。
Jsoup特点：
- HTML、XML、自定义DOM格式文本解析
- 可操作HTML元素、属性、文本
- 适用于采集解析网站HTML
- DOM解析功能非常强大
Jsoup基本用法:
- 分析Html或Dom文本的结点标签结构
- 寻找你要解析的那个内容部分所在的结点标记
- 调用Jsoup API解析结点内容
代码演示：
- 使用Jsoup载入Html数据
- 使用Jsoup解析并提取HTML元素
- 使用Jsoup修改数据
- 使用Jsoup HTML文档清理
package com.test.Jsoup;
import java.io.File;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.safety.Whitelist;
import org.jsoup.select.Elements;
import android.app.Activity;
import android.os.Bundle;
import android.os.Environment;
import com.example.myxmltest.R;
/**
* Jsoup的四个功能的基本使用方法
* @author Administrator
*
*/
public class JsoupTest extends Activity {
private String html = "<html><head><title>Jsoup的用法</title></head><body><p><a href='http://baidu.com'>这里是Jsoup项目的相关文章</a></p></body></html>";
private String url = "http://baidu.com";
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
/*
* 1.使用 Jsoup 载入 Html 数据功能
* 数据内容可以是：html文本、url、本地html
*/
//1.html文本
Document doc = Jsoup.parse(html);
//可以获取到html中<title>的值
doc.title();
//2.url
try {
//通过GET方式请求
Document doc2 = Jsoup.connect(url).get();
//通过POST方法请求
// Document doc2 = Jsoup.connect(url).data("key","value").timeout(3000).post();
} catch (IOException e) {
e.printStackTrace();
}
//3.本地html
//获取本地html文件
File file = new File(Environment.getExternalStorageDirectory()+"/index.html");
//parse()方法参数解释：1.html文件 2.html的编码格式（本地html文件是什么编码就写什么编码） 3.当本地html文件中的图片或者链接采用的是相对路径时，就可以通过指定的baseUri替换路径的前缀。eg:.../baidu.png-->http://baidu.com/baidu.png
try {
Document doc3 = Jsoup.parse(file, "utf-8", "http://baidu.com");
} catch (IOException e) {
e.printStackTrace();
}
/*
* 2.使用 Jsoup 解析并提取 HTML元素功能
*/
Elements eles = doc.getElementsByTag("a");//将a标签的列表存储成元素集合
for (Element link : eles) {
//获取a标签中href的属性值
String linkHref = link.attr("href");
//获取a标签中的文本值
String text = link.text();
}
//检索元素功能
//检索html文件中的a标签并且就有href属性的a标签列表存储成元素集合
Elements elements = doc.select("a[href]");
//检索html文件中有img标签的.png格式的图片
Elements elements2 = doc.select("img[src$=.png]");
//检索出元素名为className的div标签的元素
Element element3 = doc.select("div.className").first();
/*
* 3.使用 Jsoup 修改数据属性功能
*/
//对元素名为className的div标签添加属性，属性名为key,属性值为value
doc.select("div.className").attr("key","value");
//为元素名为className的div标签添加属性类，添加的属性为：class="myclass"
doc.select("div.className").addClass("myclass");
//移除img标签的onClick属性
doc.select("img").removeAttr("onClick");
/*
* 4.使用 Jsoup HTML 文档清理功能
*/
String htmls = "";//不安全的一个html代码
String safe = Jsoup.clean(htmls, Whitelist.basic());//用基本的白名单将不安全的html代码转换为安全的html
}
}
使用Jsoup来实现复杂的Html列表解析：
实现效果：
使用 Jsoup 实现对某网站新闻列表的采集解析
package com.test.jsoupdemo;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import com.example.myxmltest.R;
import android.app.Activity;
import android.os.Bundle;
import android.util.Log;
/**
* 使用Jsoup解析HtmL新闻列表
*/
public class JsoupDemo extends Activity {
private String url = "http://mobile.csdn.net/";
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
new Thread(new Runnable() {
@Override
public void run() {
parseHtml();
}
}).start();;
}
//使用Jsoup解析html新闻列表
private void parseHtml() {
try {
Document doc = Jsoup.connect(url).get();
//将所有的新闻列表存储为元素的集合
Elements elements = doc.select("div.unit");
for (Element element : elements) {
//获取每一条新闻的标题<h1>标签中的文本内容，因为每条新闻中只有一个h1，所以可以通过getElementsByTag("h1")获取到
String title = element.getElementsByTag("h1").first().text();
//获取每条新闻标题中的<h1>标签中的超链接
String href = element.getElementsByTag("h1").first().getElementsByTag("a").first().attr("href");
//获取每条新闻的新闻内容<dd>标签中的文本内容
// String content = element.getElementsByTag("dd").first().text();
Log.i("tag", title);
Log.i("tag", href);
// Log.i("tag", content);
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
原网页截图：
对应的网页源代码截图：
根据上图可以看出每条新闻的相同点：每条新闻的内容都是在<div class="unit">标签中。
通过上图可以发现每条新闻中只有一个<h1>标签。
运行结果截图：
版权声明：本文为博主原创文章，未经博主允许不得转载。
扫一扫
2489
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
