本文共 9659 字，大约阅读时间需要 32 分钟。

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

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：

1. JAXP： sun公司提供的解析器，支持dom和sax两种思想
2. DOM4J： 一款非常优秀的解析器
3. 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。
4. 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
   
     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：

1. 导入jar包
2. 获取Document对象
3. 获取对应的标签Element对象
4. 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 = "
   \n" +            "\n" +            "
   
    \n" +            "\t
    
     \n" +            "\t\t
     
      tom
     \n" +            "\t\t
     
      18
     \n" +            "\t\t
     
      male
     \n" +            "\t
    \n" +            "\t
    
     \n" +            "\t\t
     
      jack
     \n" +            "\t\t
     
      18
     \n" +            "\t\t
     
      female
     \n" +            "\t
    \n" +            "\n" +            "
   ";    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);//
   
    张
   
   }

5. Node：节点对象

是Document和Element的父类

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
   
     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
    
      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
     
       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
      
        jxNodes3 = jxDocument.selN("//student/name[@id='name']");    for(JXNode jxNode : jxNodes3){
           System.out.println(jxNode);    }}
      
     
    
   

转载地址：http://stuki.baihongyu.com/