一个简单的XPath工具类

最新推荐文章于 2023-07-31 13:31:00 发布
最新推荐文章于 2023-07-31 13:31:00 发布
阅读量183 收藏
点赞数
文章标签： 爬虫 java
原文链接：http://www.cnblogs.com/xgwtzg/p/6141757.html
版权

package com.demo;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStream;
import java.util.ArrayList;
import java.util.List;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.xpath.XPath;
import javax.xml.xpath.XPathConstants;
import javax.xml.xpath.XPathFactory;

import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.Node;
import org.w3c.dom.NodeList;

import com.demo.User;

public class XMLDataUtils {

    public static void main(String[] args) {
        XMLDataUtils aXMDataLUtils = new XMLDataUtils();
        List<User> list = aXMDataLUtils.getUsers();
        for (int i = 0; i < list.size(); i++) {
//            System.out.println(list.size());
            User aUsers = list.get(i);
            System.out.println(aUsers.getId());
            System.out.println(aUsers.getPersonname());
            System.out.println(aUsers.getWebname());
            System.out.println(aUsers.getCreatetime());
            System.out.println(aUsers.getImg());
            System.out.println(aUsers.getText());
        
        }
    }
    //解析智库网专家
    public List<User> getUsers() {
        List<User> r = new ArrayList<User>();
        User aUsers = null;
        File file = new File("D://文件/智库网专家/XML");
        if (file.exists()) {
            File[] files = file.listFiles();
            if (files.length == 0) {
//                System.out.println("文件夹是空的!");
                return r;
            } else {
                for (File file2 : files) {
                    if (file2.isDirectory()) {
//                        System.out.println("文件夹:" + file2.getAbsolutePath());
                        traverseFolder2(file2.getAbsolutePath());
                    } else {
//                        System.out.println("文件:" + file2.getAbsolutePath());
                    }
                    try {
                        // 解析文件，生成document对象
                        DocumentBuilder builder = DocumentBuilderFactory.newInstance()
                                .newDocumentBuilder();
                        Document document = builder.parse(new File(file2.getAbsolutePath()));
                        // 生成XPath对象
                        XPath xpath = XPathFactory.newInstance().newXPath();
                        // 获取集合
                        NodeList list = (NodeList) xpath.evaluate("/Entity", document,
                                XPathConstants.NODESET);
                        for (int i = 0; i < list.getLength(); i++) {
                            Node aNode = list.item(i);
                            Element eElement = (Element) aNode;
                            aUsers = new User();
                            aUsers.setId(eElement.getElementsByTagName("ID").item(0).getTextContent());
                            aUsers.setPersonname(eElement.getElementsByTagName("PersonName").item(0).getTextContent());
                            aUsers.setWebname(eElement.getElementsByTagName("WebName").item(0).getTextContent());
                            aUsers.setCreatetime(eElement.getElementsByTagName("CreateTime").item(0).getTextContent());
                            String div=eElement.getElementsByTagName("WebInfoContent").item(0).getTextContent();
                            String img=div.substring(div.indexOf("src=\"")+5,div.indexOf("/"));
                            img=img.replace("\"", "");
                            aUsers.setImg(img);
//                            HTMLSpirit htmlSpirit=new HTMLSpirit();
//                            String text=HTMLSpirit.delHTMLTag(div);
//                            System.out.println(div);
                            //创建文件 0.xml
                            createFile();
                            StringBuffer s1 = new StringBuffer();
                            s1.append("<!DOCTYPE HTML PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\">");
                            s1.append("<HTML>");
                            s1.append("  <HEAD><TITLE>A Servlet</TITLE></HEAD>");
                            s1.append("  <BODY>");
                            s1.append(div);
                            s1.append("  </BODY>");
                            s1.append("</HTML>");
                            String str = s1.toString();
                            //转换
                            strChangeXML(str);
                            aUsers.setText(TestJsoupXml.getText());
                            //删除文件
//                            aUsers.setText(text);
                            r.add(aUsers);
                            deleteFile();
                        }
                         System.out.println("r="+r.size());

                    } catch (Exception e) {
                        e.printStackTrace();
                    }
                }
            }
        } else {
            System.out.println("文件不存在!");
        }
       
        return r;
    }
    
    
    public static void strChangeXML(String str){
        try {
            File file = new File("D:/文件/智库网专家/XML/0.xml");
                OutputStream out=new FileOutputStream(file);//如果文件不存在会自动创建
                byte[] b=str.getBytes();
                for(int i=0;i<b.length;i++){
                    out.write(b[i]);
                 }
                out.close();
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        }

    //创建文件
    public static void createFile(){
            
            //path表示你所创建文件的路径
            String path = "D://文件/智库网专家/XML";
            File f = new File(path);
            if(!f.exists()){
              f.mkdirs();
            }
            // fileName表示你创建的文件名；为txt类型；
            String fileName="0.xml";
            File file = new File(f,fileName);
            if(!file.exists()){
                try {
                    file.createNewFile();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
            
        }
    public static  boolean deleteFile() {
           boolean flag = true;
           File file = new File("D://文件/智库网专家/XML/0.xml");
            // 路径为文件且不为空则进行删除
            if (file.isFile() && file.exists()) {
                file.delete();
                System.out.println("删除成功");
                return flag = true;
            }
            return flag;
        }
    
        

    private void traverseFolder2(String absolutePath) {
        // TODO Auto-generated method stub
        
    }
    
}

转载于:https://www.cnblogs.com/xgwtzg/p/6141757.html

weixin_30357231
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
java利用XPath访问XML文件工具类
求索
12-02 2360
最近一直在忙实验室的一个项目, 看之前的实现代码看了好久.. 前段时间需要用xpath访问xml文件, 于是就上网搜了下, 写了个工具类.  主要参考网址: http://www.ibm.com/developerworks/cn/xml/x-javaxpathapi.html 介绍挺全面的. 比如说xml代码如下: testnode
一个Java XML工具类(开源)
07-29
1.强大的查询能力，支持xpath(2种模式) 2.批量修改tag 3.轻松添加或插入新节点等 4.删除功能 等等...(具体查阅javadoc,测试的junit文件和xml文件) 该xml工具开源，没有任何license，经过严格junit测试，可以用在...
java利用XPath将XML转为对象，并查询特定节点
weixin_42286276的博客
11-18 348
java利用XPath将xml转为对象，并查询特定节点。
基于Java的一款磁力搜索工具，支持自定义xpath
qq_47301716的博客
04-03 1653
你可以在此处下载一些可供使用的规则配置：
python爬虫：使用xpath基础+实例
m0_73716246的博客
07-31 2909
Xpath 是高效简单，在XML文档中搜索内容的一门语言，最初是用来搜寻 XML 文档的，但是HTML语言是XML的一个子集，它同样适用于 HTML 文档的搜索。在Python爬虫中，我们经常通过安装lxml库，利用xpath解析这种高效便捷的方式来提取信息。
java使用xpath及获取scrip内容爬取网站数据各种心得
平凡人的博客
03-30 3456
最近一直在用java做爬虫，都是一些没有技术含量的活，仔细想一下底层用到的大概有这算法，一个是匹配算法、一个关于树的算法，全都给我们封装好了，java真是方便、无脑，当然也很low，但是个人原因，工作效率并不高
Python利用Xpath选择器爬取京东网商品信息
01-19
HTML文件其实就是由一组尖括号构成的标签组织起来的，每一对尖括号形式一个标签，标签之间存在上下关系，形成标签树；XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。 首先...
dom4j 和xpath
12-05
dom4j 和dom4j 是一款比较好用的Xml解析工具jar,其中部分功能需要xpath的支持
XpathDemo.zip
03-27
HtmlCleaner是一个开源的Java语言的Html文档解析器。HtmlCleaner能够重新整理HTML文档的每个元素并生成结构良好(Well-Formed)的 HTML 文档。默认它遵循的规则是类似于大部份web浏览器为创文档对象模型所使用的规则。...
python爬虫之xpath
只是甲的博客
09-27 611
python 爬虫之 xpath
XPath分析工具
12-04
用于验证编写的Xpath路径是否正确,只能安装在Windows7下面.
XPath数据提取(Java版)(网络爬虫常用方法)
weixin_41489136的博客
03-27 2594
XML XML是一种用于标记电子文件使其具有结构性的标记语言. 虽然HTML和XML同宗同源,但是两者还是存在着重要的区别: 与HTML不同,XML是大小写敏感的.例如：<H1>与<h1>是不同的XML标签. 在HTML中,如果从上下文中可以分清哪里是段落或列表项的结尾,那么结束标签(</p>或</li>)就可以省略,而XML中结束标签绝对不能省略. 在XML中,只有单个标签而没有相对应的结束标签的元素必须以"/"结尾，如<img src="coffe
Java工具类库大总结，提升开发效率必备
qq_19891197的博客
10-14 2222
Java工具类库大总结，提升开发效率必备
XPath读取xml的工具类
AFer198215的专栏
10-08 2106
import java.io.File; import java.io.FileInputStream; import java.io.StringReader; import java.net.URL; import java.util.List; import org.ap
XPath的数据类型和节点类型
Strive_0902的博客
02-17 6513
一、XPath数据类型 XPath可分为四种数据类型： 　　1、节点集(node-set)：节点集是通过路径匹配返回的符合条件的一组节点的集合。其它类型的数据不能转换为节点集。 2、布尔值(boolean)：由函数或布尔表达式返回的条件匹配值，与一般语言中的布尔值相同，有true和 false两个值。布尔值可以和数值类型、字符串类型相互转换。 3、字符串(stri...
XPath遍历输出XML所有叶子节点
坚果壳不是硬壳的专栏
11-29 7941
XPath 是一门在 XML 文档中查找信息的语言。XPath 可用来在 XML 文档中对元素和属性进行遍历。 XPath 是 W3C XSLT 标准的主要元素，并且 XQuery 和 XPointer 都构建于 XPath 表达之上。 W3School 提供了详细的XPath教程。http://www.w3school.com.cn/xpath/ 本文所展示的遍历算法参考自
XUtils3.0 框架（工具类）
Mr.Hu
05-24 3591
XUtils 3: Github地址：https://github.com/wyouflf/xUtils3/tree/master 目前xUtils主要有四大模块： DbUtils模块： android中的orm框架，一行代码就可以进行增删改查； 支持事务，默认关闭； 可通过注解自定义表名，列名，外键，唯一性约束，NOT NULL约束，CHECK约束等（需要混淆的
java使用xpath
xfjjs_net的博客
11-03 709
xpath的使用依赖于dom4j.jar以及jaxen.jar jaxen.jar下载地址
java中xml转JSON的工具类
最新发布
11-10
2.使用XPath表达式选择需要转换的节点，并将其转换为JSON对象。 ```java JSONObject jsonObject = new JSONObject(); Element root = document.getRootElement(); List<Element> elements = root.selectNodes("//...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值