XMLJsoup解析器【最详细教程】

XML&Jsoup解析器

• 目标

* XML1. 概念2. 语法3. 解析

一、XML：

1. 概念：Extensible Markup Language **可扩展标记语言** * 可扩展：标签都是自定义的。   * 功能* 存储数据1. 配置文件2. 在网络中传输* xml与html的区别1. xml（可扩展标记语言）标签都是自定义的，html（超文本标记语言）标签是预定义。*与properties竞争2. xml的语法严格，html语法松散3. xml是存储数据的，html是展示数据* w3c:万维网联盟，**是xml和html共同的爹** 2. 语法：* 基本语法：1. xml文档的后缀名 .xml2. xml第一行必须定义为文档声明3. xml文档中有且仅有一个根标签4. 属性值必须使用引号(单双都可)引起来5. 标签必须正确关闭6. xml标签名称区分大小写

• 快速入门

 //不允许有空行<users>//Xml必须要有根标签<user id='1'>//属性值必须有引号引起来id='1 '<name>zhangsanname><age>23age><gender>malegender><br/>user><user id='2'><name>lisiname><age>24age><gender>femalegender>user>users>

二、组成部分

* 组成部分：1. 文档声明1. 格式：<?xml 属性列表 ?>2. 属性列表：* version：版本号，必须的属性（不写version是要报错的）* encoding：编码方式。告知解析引擎当前文档使用的字符集，默认值：ISO-8859-1* standalone：是否独立* 取值：* yes：不依赖其他文件* no：依赖其他文件2. 指令(了解)：结合css的* <?xml-stylesheet type="text/css" href="a.css" ?>3. 标签：标签名称自定义的* 规则：* 名称可以包含字母、数字以及其他的字符 * 名称不能以数字或者标点符号开始 * 名称不能以字母 xml（或者 XML、Xml 等等）开始 * 名称不能包含空格 4. 属性：id属性值唯一5. 文本：* CDATA区：在该区域中的数据会被原样展示* 格式：  <![CDATA[ 数据 ]]>

• CDADA区展示该区域的数据

三、XML的约束

* 约束：规定xml文档的书写规则* 作为框架的使用者(程序员)：1. 能够在xml中引入约束文档2. 能够简单的读懂约束文档* 分类：1. DTD:一种简单的约束技术2. Schema:一种复杂的约束技术

• 谁写框架，谁写xml的约束文档

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-XkYEmS8u-1633584972798)(C:%5CUsers%5C86151%5CDesktop%5CXML&Jsoup%E8%A7%A3%E6%9E%90%E5%99%A8%5Cimage%5C%E7%BA%A6%E6%9D%9F.bmp)]

四、约束文档的分类

1、dtd文档约束【了解 】

  * DTD：* 引入dtd文档到xml文档中* 内部dtd：将约束规则定义在xml文档中* 外部dtd：将约束的规则定义在外部的dtd文件中* 本地：* 网络：

• 写框架的人写的dtd约束文档：

• 程序员使用dtd的约束文档

DOCTYPE students SYSTEM "student.dtd"><students><student number="itcast_0001"><name>tomname><age>18age><sex>malesex>student>students>

• dtd约束文档的缺点

1. 不能限定内容
1. 语法结构：
DTD的语法与XMl不同，使用DOM，XPath，XSL无法处理，为自动化文档处理带来不便
2. 数据类型
DTD数据类型不能自由扩充，不利于XML数据交换场合验证
3.文档结构
DTD中，所有元素、属性都是全局的， 无法声明仅与上下文位置相关的元素或属性
4. 名称空间
DTD中没有名称空间的概念，不直接支持名称空间

2、Schema约束文档【主流】

  * Schema:* 引入：1.填写xml文档的根元素2.引入xsi前缀.  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"3.引入xsd文件命名空间.  xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"4.为每一个xsd约束声明一个前缀,作为标识  xmlns="http://www.itcast.cn/xml" <students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xmlns="http://www.itcast.cn/xml"xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd">

• student.xsd

<xsd:schema xmlns="http://www.itcast.cn/xml"xmlns:xsd="http://www.w3.org/2001/XMLSchema"targetNamespace="http://www.itcast.cn/xml" elementFormDefault="qualified"><xsd:element name="students" type="studentsType"/><xsd:complexType name="studentsType"><xsd:sequence><xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>xsd:sequence>xsd:complexType><xsd:complexType name="studentType"><xsd:sequence><xsd:element name="name" type="xsd:string"/><xsd:element name="age" type="ageType" /><xsd:element name="sex" type="sexType" />xsd:sequence><xsd:attribute name="number" type="numberType" use="required"/>xsd:complexType><xsd:simpleType name="sexType"><xsd:restriction base="xsd:string"><xsd:enumeration value="male"/><xsd:enumeration value="female"/>xsd:restriction>xsd:simpleType><xsd:simpleType name="ageType"><xsd:restriction base="xsd:integer"><xsd:minInclusive value="0"/><xsd:maxInclusive value="256"/>xsd:restriction>xsd:simpleType><xsd:simpleType name="numberType"><xsd:restriction base="xsd:string"><xsd:pattern value="heima_\d{4}"/>xsd:restriction>xsd:simpleType>
xsd:schema> 

• xml导入写框架人写的约束

<students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xmlns="http://www.itcast.cn/xml" xsi:schemaLocation="http://www.itcast.cn/xml  student.xsd"><student number="heima_0001"><name>tomname><age>18age><sex>malesex>student>students>

• Springmvc的xml详解

<beans xmlns="http://www.springframework.org/schema/beans"xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:context="http://www.springframework.org/schema/context"xmlns:mvc="http://www.springframework.org/schema/mvc"xsi:schemaLocation="http://www.springframework.org/schema/beanshttp://www.springframework.org/schema/beans/spring-beans.xsdhttp://www.springframework.org/schema/context http://www.springframework.org/schema/context/spring-context.xsdhttp://www.springframework.org/schema/mvchttp://www.springframework.org/schema/mvc/spring-mvc.xsd"><context:annotation-config /><context:component-scan base-package="cn.cisol.mvcdemo"><context:include-filter type="annotation"expression="org.springframework.stereotype.Controller" />context:component-scan><mvc:annotation-driven /><mvc:resources mapping="/resources/**" location="/resources/" /><beanclass="org.springframework.web.servlet.view.ContentNegotiatingViewResolver"><property name="order" value="1" /><property name="mediaTypes"><map><entry key="json" value="application/json" /><entry key="xml" value="application/xml" /><entry key="htm" value="text/html" />map>property><property name="defaultViews"><list><beanclass="org.springframework.web.servlet.view.json.MappingJackson2JsonView">bean>list>property><property name="ignoreAcceptHeader" value="true" />bean><beanclass="org.springframework.web.servlet.view.InternalResourceViewResolver"><property name="viewClass"value="org.springframework.web.servlet.view.JstlView" /><property name="prefix" value="/WEB-INF/jsps/" /><property name="suffix" value=".jsp" />bean><bean id="multipartResolver"class="org.springframework.web.multipart.commons.CommonsMultipartResolver"><property name="maxUploadSize" value="209715200" /><property name="defaultEncoding" value="UTF-8" /><property name="resolveLazily" value="true" />bean>beans>

五、XML的解析

1、解析xml文档

3.解析：操作xml文档，将文档中的数据读取到内存中* 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、xml常见的解析器【面试题】

 * 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的所有操作* 缺点：占内存，消耗内存用途：内存比较大的设备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，不能增删改用途：手机，音响 ，逐行读取，事件驱动的

• dom解析方式【重点，服务器端开发】

• SAX逐行解析 ，事件驱动的

  * 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。

3、Jsoup解析器

• jsoup.jar包

jsoup-1.11.2.jar

  * 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

• 案例代码：

    //2.1获取student.xml的pathString path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();//2.2解析xml文档，加载文档进内存，获取dom树--->DocumentDocument document = Jsoup.parse(new File(path), "utf-8");//3.获取元素对象 ElementElements elements = document.getElementsByTag("name");System.out.println(elements.size());//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);

• Jsoup所解析的代码

<students   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xmlns="http://www.itcast.cn/xml" xsi:schemaLocation="http://www.itcast.cn/xml  ../web/student.xsd"><student number="heima_0001"><name>tomname><age>18age><sex>malesex>student><student number="heima_0002"><name>whjname><age>21age><sex>malesex>student>students>

4、Jsoup对象的使用

• soup,Document,Elements,Element,Node对象的使用：

1. Jsoup：

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

1. parse​(File in, String charsetName)：解析xml或html文件的

2. parse​(String html)：解析xml或html字符串

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:统一资源定位符
timeoutMillis:超时时间 10000=10秒URL url = new URL("https://www.baidu.com");//代表网络中的一个资源Document parse = Jsoup.parse(url, 10000);System.out.println(parse);

2. 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

• 代码案例

    public static void main(String[] args) throws IOException {
//        //2.获取Document对象，根据xml文档来获取
//        //2.1获取xml的path路径String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "utf-8");//获取所有studentElements elements = document.getElementsByTag("student");System.out.println(elements);}打印结果：打印了student对象 <student number="heima_0001"> <name>tom</name> <age>18</age> <sex>male</sex> 
</student>
<student number="heima_0002"> <name>whj</name> <age>21</age> <sex>male</sex> 
</student>//获取属性为id的元素对象们public static void main(String[] args) throws IOException {
//        //2.获取Document对象，根据xml文档来获取
//        //2.1获取xml的path路径String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "utf-8");
//        获取属性id的对象们Elements id = document.getElementsByAttribute("id");System.out.println(id);}
结果：
<name id="2">tom
</name>public static void main(String[] args) throws IOException {
//        //2.获取Document对象，根据xml文档来获取
//        //2.1获取xml的path路径String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "utf-8");
//    获取number属性值为heima_0001的元素对象Elements value = document.getElementsByAttributeValue("number", "heima_0001");System.out.println(value);}结果：
<student number="heima_0001"> <name id="2">tom</name> <age>18</age> <sex>male</sex> 
</student> 

3. Elements：

 3. Elements：元素Element对象的集合。可以当做 ArrayList<Element>来使用

4. Element：

    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：

 5. Node：节点对象* 是Document和Element的父类

五、快捷查询方式：

1、 selector:选择器

  * 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

• 查询name标签

• 查询id为itcast的元素

• 获取student标签并且number属性值为heima_0001

2、XPath

JsoupXpath-0.3.2.jar

 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* 代码：//1.获取student.xml的pathString path = JsoupDemo6.class.getClassLoader().getResource("student.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查询所有student标签List jxNodes = jxDocument.selN("//student");for (JXNode jxNode : jxNodes) {System.out.println(jxNode);}System.out.println("--------------------");//4.2查询所有student标签下的name标签List jxNodes2 = jxDocument.selN("//student/name");for (JXNode jxNode : jxNodes2) {System.out.println(jxNode);}System.out.println("--------------------");//4.3查询student标签下带有id属性的name标签List jxNodes3 = jxDocument.selN("//student/name[@id]");for (JXNode jxNode : jxNodes3) {System.out.println(jxNode);}System.out.println("--------------------");//4.4查询student标签下带有id属性的name标签 并且id属性值为itcastList jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");for (JXNode jxNode : jxNodes4) {System.out.println(jxNode);}

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！