XML基础知识归纳（通俗易懂）

XML：可扩展标记型语言

随着json等一些技术的普及，似乎xml的路子越来越窄，虽然xml的一些功能被其他的一些技术代替，但是学习xml还是非常有必要，如果用xml存储一些大量数据，还是有一定优势的，就算你不管这些，但是现有的很多框架以及技术的配置文件都存在于xml中，最起码你得对它的结构以及一些基本用法有一定了解

(一) 基本概述

(1) 概念

XML：Extensible Markup Language：可扩展标记型语言

标记型：使用标签来操作，html就是一种常见的标记型语言

可扩展：可以自定义标签，甚至可以用中文写标签 Eg：<person></person <张三><张三>

(2) 用途

xml 主要用来存储数据，体现在作配置文件，或者充当小型数据库，在网络中传输数据

A：配置文件：例如配置mysql数据库

前面我们常常书写 一个 jdbc.properties文件来做配置文件，好处呢就是如果想修改数据库的信息，不需要修改源代码，只要修改配置文件就可以了，而xml也可以作为配置文件来使用

url=jdbc:mysql://localhost:3306/db1
user=root
password=root99
driver=com.mysql.jdbc.Driver

<!--例如模拟配置mysql数据库 只为假设，与前面知识对应，实际配置文件后期会很常见-->
<?xml version="1.0" encoding="UTF-8"?>
<config>
	<dbinfo>
		<dbDriver>com.mysql.jdbc.Driver</dbDriver>
		<dbUrl>jdbc:mysql://localhost:3306/db1</dbUrl>
		<username>root</username>
		<password>root99</password>
</config>

B：充当小型数据库

我们可以在xml中存储一些数据，让它充当一个小型的数据库

<?xml version="1.0" encoding="UTF-8"?>
<student> 
	<stu> 
    	<id>001</id>  
    	<name>zhangsan</name>  
    	<age>20</age> 
    </stu>  
	<stu> 
    	<id>002</id>  
    	<name>lisi</name>  
    	<age>30</age> 
	</stu>  
</student>

C：传输数据

在网络编程中，我们或多或少接触过，例如如何实现一个简单的聊天室，基本原理是这样的，一个服务器端，多个客户端，当客户端1发送数据后，服务器端接收到数据，并且对数据进行一定的审核（是否有非法敏感字）以及格式的处理，再将数据发送到每一个客户端中

刚开始的时候，我们一般选择使用字符串直接传递内容，但是却不是很利于程序的后期维护，而使用xml就能对后期程序的维护更加友好

<?xml version="1.0" encoding="UTF-8"?>
<message id="1">
	<sender>账号1</sender>
	<getter>账号2</getter>
	<content>发送的信息</content>
    <ip>ip地址</ip>
</message>

(二) xml语法

xml文档的后缀名为 .xml

(1) 文档声明

创建一个xm文件后，第一步就是 必须要有 一个文档声明（写了文档声明之后，表写xml文件的内容）

<?xml version="1.0" encoding="UTF-8"?>

• version : xml版本，必须写

• encoding：xml编码 常见编码： GBK、UTF-8、ISO8859-1(不包含中文)

  • 保存时编码和设置打开时候的编码需要一致，否则会出现乱码

• standalone：是否需要依赖其他文件 yes/no

(2) 标签的定义

注意事项：

1. 有始有终：<person></peoson>
2. 合理嵌套：<aa><bb></bb></aa>
3. 空格和换行均当做内容来解析，所以可能我们需要注意一些缩进的问题

名称规则：

1. xml 代码区分大小写
2. 名称不能以数字或者标点符号开始
3. 不能以 xml、XML、Xml等开头
4. 不能包含空格和冒号

(3) 属性的定义

1. 一个标签上可有多个属性 <person id1="aaa" id2="bbb"></person>
2. 属性名称和值之间使用 = 连接，属性值用引号包起来(单引号和双引号都可以)

(4) 注释

<?xml version="1.0" encoding="UTF-8"?>
<!-- xml注释 -->

注释不能嵌套，并且不能放到第一行，第一行必须方式文档声明

(5) 特殊字符

如果想在xml中输入特殊字符，需要对字符进行转义，因为 < 等会被当做标签

字符	转义字符	描述
&	&	和
<	<	小于号
>	>	大于号
"	"	双引号
'	'	单引号

若多个字符都需要转义，则可以将这些内容存放到CDATA里面

<![CDATA[ 内容 ]]>

(七) PI指令 (处理指令)

可以在xml设置样式

<?xml-stylesheet type="text/css" href="css的路径"?>

(三) xml约束

为什么需要用到约束呢？比如我们现在定义一个 student.xml文件，我们想要在其中保存关于学生的信息，例如id，name，age，但是如果随便写入一个标签 例如 <你好> 从语法的角度上虽然是符合规范的，但是这显然与我们想要存储的东西没有任何关系，所以我们需要通过xml约束技术，约束xml中只能出现的元素

分类：

• DTD:一种相对简单的约束技术
• Schema:一种相对复杂的约束技术，看懂即可

DTD约束

(1) dtd的引入方式(三种)

A：使用内部的dtd文件，即将约束规则定义在xml文档中

<!DOCTYPE 根元素名称 [
	<!ELEMENT person (name,age)>
	<!ELEMENT name (#PCDATA)>
	<!ELEMENT age (#PCDATA)>
]>

B：引入外部的dtd文件

<!DOCTYPE 根元素名称 SYSTEM "dtd路径">

C：使用外部的dtd文件（网络上的dtd文件）

<!DOCTYPE 根元素 PUBLIC "DTD名称" "DTD文档的URL">

例如使用 struts2框架 使用配置文件 所使用 外部的dtd文件

<!DOCTYPE struts PUBLIC   "-//Apache Software Foundation//DTD
Struts Configuration 2.0//EN"    
"http://struts.apache.org/dtds/struts-2.0.dtd">

(2) 使用dtd定义元素

<!ELEMENT 元素名 约束>

A：简单元素（没有子元素）

ELEMENT name (#PCDATA)>
	(#PCDATA): 约束name是字符串类型
	EMPTY : 元素为空（没有内容）
		- <sex></sex>
	ANY:任意

B：复杂元素

<!-- 语法 -->
<!ELEMENT person (id,name,age,)>
	子元素只能出现一次
<!ELEMENT 元素名称 (子元素)>

<!-- 子元素出现次数 -->
* ：一次多或多次
？：零次或一次
* ：零次或多次

<!-- 子元素直接使用逗号隔开 -->
	表示元素出现的顺序 

<!-- 子元素直接使用 | -->
	表示元素只能出现其中的任意一个

(2) 使用dtd定义属性

<!-- 语法 -->
<!ATTLIST 元素名称
	属性名称 属性类型 属性的约束
>

<!-- 属性类型 -->	CDATA: 字符串
<!ATTLIST birthday
	ID1 CDATA #REQUIRED
>

<!-- 枚举 -->
表示只能在一定的范围内出现值，但是只能每次出现其中的一个,红绿灯效果
<!ATTLIST age
	ID2 (AA|BB|CC)  #REQUIRED
>

<!-- ID: 值只能是字母或者下划线开头 -->
<!ATTLIST name 
	ID3 ID   #REQUIRED
>

<!-- 属性的约束 -->
#REQUIRED：属性必须存在
#IMPLIED：属性可有可无
#FIXED: 表示一个固定值 #FIXED "AAA"
	属性的值必须是设置的这个固定值
		<!ATTLIST sex
			ID4 CDATA #FIXED "ABC"
		>

直接值
	不写属性，使用直接值
	写了属性，使用设置那个值
		<!ATTLIST school
			ID5 CDATA "WWW"
		>

Schema约束

schema 符合 xml 的语法，一个 xml 中可以有多个 schema ，多个 schema 使用名称空间区分（类似于java包名）dtd 里面有PCDATA类型，但是在 schema 里面可以支持更多的数据类型

后缀名：xsd

引入：
填写xml文档的根元素

引入xsi前缀.  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	表示xml文件是一个约束文件
	
引入xsd文件命名空间.  xsi:schemaLocation="http://www.bwh.cn/xml  student.xsd"
	使用一个使用schema约束文件，直接通过这个地址引入约束文件
	  通常使用一个url地址防止重名
	  
为每一个xsd约束声明一个前缀,作为标识  xmlns="http://www.bwh.cn/xml" 

(1) 看xml中有多少个元素

<element>

(2) 看简单元素和复杂元素

<element name="person">
<complexType>
<sequence>
	<element name="name" type="string"></element>
					<element name="age" type="int"></element>
</sequence>
</complexType>
</element>

(3) 被约束文件里面引入约束文件

<person xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xmlns="http://www.bwh.cn/20151111"
xsi:schemaLocation="http://www.bwh.cn/20151111 1.xsd">

			xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
				-- 表示xml是一个被约束文件
			xmlns="http://www.bwh.cn/20151111"
				-- 是约束文档里面 targetNamespace
			xsi:schemaLocation="http://www.bwh.cn/20151111 1.xsd">
				-- targetNamespace 空格  约束文档的地址路径

可以约束属性

A: <sequence>：表示元素的出现的顺序
B: <all>: 元素只能出现一次
C: <choice>：元素只能出现其中的一个
D: maxOccurs="unbounded"： 表示元素的出现的次数
E: <any></any>:表示任意元素

写在复杂元素里面
写在　</complexType>之前

－－
<attribute name="id1" type="int" use="required"></attribute>
	- name: 属性名称
	- type：属性类型 int stirng
	- use：属性是否必须出现 required

(四) xml的解析

很简单的理解解析：有一个xml，在其中读取出需要的数据

(1) 解析方式 dom和sax

DOM：根据xml的层级结构在内存中分配一个树形结构，把xml的标签，属性和文本都封装成对象，一次性加载进内存

• 优点：操作方便，很容易实现增删改操作

• 缺点：占内存，有造成内存溢出风险

SAX：采用事件驱动，边读边解析，解析到某一个对象，返回对象名称

• 优点：不占内存
• 缺点：只能读取，不能实现增删改操作

(2) 解析器

想要解析xml，我们必须了解解析器，不同的公司和组织，提供了针对dom和sax方式的解析器，通过api方式提供 (今天着重讲解两种比较常用的)

1. jaxp：sun公司所提供针对dom和sax的解析器，效率略低
2. dim4j：非常优秀的解析器，在实际开发中比较常用
3. jdom：jdom组织所提供的针对dom和sax解析器
4. 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。
5. Pull：Android操作系统内置的解析器，sax方式的

(3) 使用 dom4 操作 xml

注意：下面的所有java代码中，由于我的代码写在Module中，所以路径加了名字，若直接创建的是项目，只写src/s1.xml即可

<?xml version="1.0" encoding="UTF-8"?>
<student>
    <stu id1="love">
        <name>zhangsan</name>
        <age>20</age>
    </stu>
    <stu>
        <name>lisi</name>
        <age>30</age>
    </stu>
</student>

※ 使用dom4j实现查询xml操作

（一）查询所有name元素里面的值

package cn.ideal.xml.dom4j;

/*
   1、创建解析器
   2、得到document
   3、得到根节点  getRootElement() 返回Element
   4、得到所有的p1标签
      * elements("p1") 返回list集合
      * 遍历list得到每一个p1
   5、得到name
      * 在p1下面执行 element("name")方法 返回Element
   6、得到name里面的值
      * getText方法得到值
*/

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;

import java.util.List;

public class TestDom4j1 {
    //查询xml中所有name元素的值
    public static void main(String[] args) throws DocumentException {
        //创建解析器
        SAXReader saxReader = new SAXReader();
        //得到document
        Document document = saxReader.read("code-04_xml/src/s1.xml");
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到stu
        List<Element> list = rootElement.elements("stu");

        //遍历list
        for (Element element : list) {
            //element是每一个元素
            //得到name里面的值
            Element name1 = element.element("name");
            //得到name里面的值
            String s = name1.getText();
            System.out.println(s);
        }
    }
}
//运行结果
zhangsan
lisi

（二）查询第一个name元素的值

package cn.ideal.xml.dom4j;

/*
    1、创建解析器
    2、得到document
    3、得到根节点
    4、得到第一个stu元素
        element("stu")方法 返回Element
    5、得到p1下面的name元素
        element("name")方法 返回Element
    6、得到name元素里面的值
        getText方法
 */

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;

public class TestDom4j2 {
    public static void main(String[] args) throws DocumentException {
        //创建解析器
        SAXReader saxReader = new SAXReader();
        //得到document对象
        Document document = saxReader.read("code-04_xml/src/s1.xml");
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到第一个stu元素
        Element stu = rootElement.element("stu");
        //得到stu下面的name元素
        Element name1 = stu.element("name");
        //得到name的值
        String s1 = name1.getText();
        System.out.println(s1);
    }
}

//运行结果
zhangsan

（三）获取第二个name元素的值

package cn.ideal.xml.dom4j;

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.Element;
import org.dom4j.io.SAXReader;

import java.util.List;

/*
    1、创建解析器
    2、得到document
    3、得到根节点
    4、得到所有的stu
        返回 list集合
    5、遍历得到第二个stu
        使用list下标得到 get方法，集合的下标从 0 开始，想要得到第二个值，下标写 1
    6、得到第二个p1下面的name
        element("name")方法 返回Element
    7、得到name的值
        getText方法
 */
public class TestDom4j3 {
    public static void main(String[] args) throws DocumentException {
        //创建解析器
        SAXReader saxReader = new SAXReader();
        //得到document
        Document document = saxReader.read("code-04_xml/src/s1.xml");
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到所有stu
        List<Element> list = rootElement.elements("stu");
        //得到第二个stu
        Element stu2 = list.get(1);
        //得到stu下的name
        Element name2 = stu2.element("name");
        //得到name里面的值
        String s2 = name2.getText();
        System.out.println(s2);
    }
}

※ 使用dom4j实现添加操作

**（一）在第一个p1标签末尾添加一个元素 **<sex>male</sex>

package cn.ideal.xml.dom4j;

import org.dom4j.Document;

import org.dom4j.Element;
import org.dom4j.io.OutputFormat;
import org.dom4j.io.SAXReader;
import org.dom4j.io.XMLWriter;

import java.io.FileOutputStream;


/*
    1、创建解析器
    2、得到document
    3、得到根节点

    4、获取到第一个p1
        使用element方法
    5、在p1下面添加元素
        在p1上面直接使用 addElement("标签名称")方法 返回一个Element

    6、在添加完成之后的元素下面添加文本
       在sex上直接使用 setText("文本内容")方法
    7、回写xml
        格式化 OutputFormat,使用 createPrettyPrint方法，表示一个漂亮的格式
        使用类XMLWriter 直接new 这个类 ，传递两个参数
        第一个参数是xml文件路径 new FileOutputStream("路径")
        第二个参数是格式化类的值
*/
public class TestDom4j4 {
    public static void main(String[] args) throws Exception {
        //创建解析器
        SAXReader saxReader = new SAXReader();
        //得到document
        Document document = saxReader.read("code-04_xml/src/s1.xml");
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到第一个stu元素
        Element stu = rootElement.element("stu");
        //在stu下面直接添加元素
        Element sex1 = stu.addElement("sex");
        //在sex下面添加文本
        sex1.setText("male");

        //回写xml
        OutputFormat prettyPrint = OutputFormat.createPrettyPrint();//有缩进效果
        XMLWriter xmlWriter = new XMLWriter(new FileOutputStream("code-04_xml/src/s1.xml"), prettyPrint);
        xmlWriter.write(document);
    }
}

写一个工具类，简化操作

封装方法的操作，可以省略创建解析器 得到document 以及回写xml的方法，把传递的文件路径，封装成一个常量

好处：可以提高开发速度，可以提交代码可维护性

比如想要修改文件路径（名称），这个时候只需要修改常量的值就可以了，其他代码不需要做任何改变

package cn.ideal.xml.utils;

import org.dom4j.Document;
import org.dom4j.DocumentException;
import org.dom4j.io.OutputFormat;
import org.dom4j.io.SAXReader;
import org.dom4j.io.XMLWriter;

import java.io.FileOutputStream;
import java.io.IOException;

public class Dom4jUtils {
    public static final String PATH = "code-04_xml/src/s1.xml";

    //返回document
    public static Document getDocument(String path) {
        //创建解析器
        SAXReader saxReader = new SAXReader();
        //得到document
        try {
            Document document = saxReader.read(path);
            return document;
        } catch (DocumentException e) {
            e.printStackTrace();
        }
        return null;
    }

    //回写xml的方法
    public static void xmlWriters(String path, Document document) {
        try {
            OutputFormat prettyPrint = OutputFormat.createPrettyPrint();//有缩进效果
            XMLWriter xmlWriter = new XMLWriter(new FileOutputStream(path), prettyPrint);
            xmlWriter.write(document);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

我们上面执行添加操作的代码就可以简化为

package cn.ideal.xml.dom4j;

import cn.ideal.xml.utils.Dom4jUtils;
import org.dom4j.Document;
import org.dom4j.Element;


public class TestDom4j5 {
    public static void main(String[] args) throws Exception {

        Document document = Dom4jUtils.getDocument(Dom4jUtils.PATH);
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到第一个stu元素
        Element stu = rootElement.element("stu");
        //在stu下面直接添加元素
        Element sex1 = stu.addElement("sex");
        //在sex下面添加文本
        sex1.setText("male");

        //回写xml
        Dom4jUtils.xmlWriters(Dom4jUtils.PATH, document);
    }
}

**（二）使用dom4j实现在特定位置添加元素 **

在第一个stu下面的name标签前添加 <id>001</id>

package cn.ideal.xml.dom4j;

import cn.ideal.xml.utils.Dom4jUtils;
import org.dom4j.Document;
import org.dom4j.DocumentHelper;
import org.dom4j.Element;

import java.util.List;

/*
    1、创建解析器
    2、得到document
    3、得到根节点
    4、获取到第一个p1

    5、获取p1下面的所有的元素
           ** elements()方法 返回 list集合

        ** 使用list里面的方法，在特定位置添加元素
       ** 首先创建元素 在元素下面创建文本
              - 使用DocumentHelper类方法createElement创建标签
              - 把文本添加到标签下面 使用 setText("文本内容")方法

         ** list集合里面的 add(int index, E element)
           - 第一个参数是 位置 下标，从0开始
           - 第二个参数是 要添加的元素
      6、回写xml
*/
public class TestDom4j6 {
    //在第一个stu下面的name标签前添加<id>001</id>
    public static void main(String[] args) {
        Document document = Dom4jUtils.getDocument(Dom4jUtils.PATH);
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到第一个stu元素
        Element stu = rootElement.element("stu");
        //获取stu下全部元素
        List<Element> list = stu.elements();
        //创建元素
        Element id = DocumentHelper.createElement("id");
        //在id下面创建文本
        id.setText("001");
        //在特定位置添加
        list.add(0, id);

        Dom4jUtils.xmlWriters(Dom4jUtils.PATH, document);
    }
}

**（三）使用dom4j实现修改节点的操作 **

修改第一个p1下面的age元素的值为18

package cn.ideal.xml.dom4j;
/*
    1、得到document
   	2、得到根节点，然后再得到第一个p1元素
   	3、得到第一个p1下面的age
      element("")方法
   	4、修改值是 30
       使用setText("文本内容")方法
   	5、回写xml
*/

import cn.ideal.xml.utils.Dom4jUtils;
import org.dom4j.Document;
import org.dom4j.Element;

public class TestDom4j7 {
    public static void main(String[] args) {
        //得到document
        Document document = Dom4jUtils.getDocument(Dom4jUtils.PATH);
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到第一个stu元素
        Element stu = rootElement.element("stu");
        //得到第一个stu下面的age
        Element age = stu.element("age");
        age.setText("18");
        //回写xml
        Dom4jUtils.xmlWriters(Dom4jUtils.PATH, document);
    }
}

※ 使用dom4j实现删除节点的操作

package cn.ideal.xml.dom4j;

import cn.ideal.xml.utils.Dom4jUtils;
import org.dom4j.Document;
import org.dom4j.Element;

public class TestDom4j8 {
    public static void main(String[] args) {
        //得到document
        Document document = Dom4jUtils.getDocument(Dom4jUtils.PATH);
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到第一个stu元素
        Element stu = rootElement.element("stu");
        //得到第一个stu下面的age
        Element id = stu.element("id");

        stu.remove(id);
        //回写xml
        Dom4jUtils.xmlWriters(Dom4jUtils.PATH, document);
    }
}

※ 使用dom4j获取属性的操作

package cn.ideal.xml.dom4j;

import cn.ideal.xml.utils.Dom4jUtils;
import org.dom4j.Document;
import org.dom4j.Element;

public class TestDom4j9 {
    public static void main(String[] args) {
        //得到document
        Document document = Dom4jUtils.getDocument(Dom4jUtils.PATH);
        //得到根节点
        Element rootElement = document.getRootElement();
        //得到第一个stu元素
        Element stu = rootElement.element("stu");
        //得到stu里面的属性值
        String value = stu.attributeValue("id1");
        System.out.println(value);
    }
}

(4) 使用dom4j支持xpath具体操作

XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言

默认的情况下，dom4j不支持xpath

如果想用，需要引入支持xpath的jar包，使用 jaxen-1.1-beta-6.jar

第一种形式
	/AAA/CCC/BBB： 表示一层一层的，AAA下面CCC下面的BBB
第二种形式
	//BBB： 表示和这个名称相同，表示只要名称是BBB，都得到
第三种形式
	/*: 所有元素
第四种形式
	BBB[1]：　表示第一个BBB元素
	BBB[last()]：表示最后一个BBB元素
第五种形式
	//BBB[@id]： 表示只要BBB元素上面有id属性，都得到
第六种形式
	//BBB[@id='b1'] 表示元素名称是BBB,在BBB上面有id属性，并且id的属性值是b1

dom4j里面提供了两个方法，用来支持xpath

//获取多个节点
selectNodes("xpath表达式")

//获取一个节点
selectSingleNode("xpath表达式")

（一）使用xpath实现：查询xml中所有name元素的值

package cn.ideal.xml.dom4j.xpath;

import cn.ideal.xml.utils.Dom4jUtils;
import org.dom4j.Document;
import org.dom4j.Node;

import java.util.List;

public class TestDom4jXpath1 {
    //查询xml中所有name元素的值
    public static void main(String[] args) {
        //得到document
        Document document = Dom4jUtils.getDocument(Dom4jUtils.PATH);
        //获取所有name元素
        List<Node> list = document.selectNodes("//name");
        //遍历list集合
        for (Node node : list) {
            //node是每一个name元素
            //得到name元素里面的值
            String s = node.getText();
            System.out.println(s);
        }
    }
}

（二）使用xpath实现：获取第一个stu下面的name的值

package cn.ideal.xml.dom4j.xpath;

import cn.ideal.xml.utils.Dom4jUtils;
import org.dom4j.Document;
import org.dom4j.Node;

public class TestDom4jXpath2 {
    public static void main(String[] args) {
        //得到document
        Document document = Dom4jUtils.getDocument(Dom4jUtils.PATH);
        Node name1 = document.selectSingleNode("//stu[@id1='love']/name");
        //得到name里面的值
        String s1 = name1.getText();
        System.out.println(s1);
    }
}

(4) 使用 Jsoup 操作 xml

package cn.ideal.xml.jsoup;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;

public class JsoupDemo1 {
    public static void main(String[] args) throws IOException {
        //获取Documnet对象
        //通过类加载器，获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //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");
        //获取元素对象 Element
        Elements elements = document.getElementsByTag("name");

        //获取第一个name
        Element element = elements.get(0);
        //获取数据
        String name = element.text();
        System.out.println(name);
    }
}

对上述常用对象的解释

1. Jsoup：工具类：可以解析html或xml文档，返回Document

parse：

//解析xml或html文件
parse (File in, String charsetName)

//解析xml或html字符串
parse (String html)

//通过网络路径获取指定的html或xml
parse (URL url, int timeoutMillis)

2. Document：文档对象：代表内存中的dom树

A：获取Element对象

//根据id属性值获取唯一的element对象
getElementById (String id)

//根据标签名称获取元素对象集合
getElementsByTag (String tagName)

//根据属性名称获取元素对象集合
getElementsByAttribute (String key)

//根据对应的属性名和属性值获取元素对象集合
getElementsByAttributeValue (String key, String value)

3. Elements：元素Element对象的集合。可以近似的认为 ArrayList<Element>

A：获取Element对象，同2中

B：获取属性值

String attr(String key)：根据属性名称获取属性值

C：获取文本内容

//获取文本内容
String text()

//获取标签体的所有内容
String html()

两种更加快捷的查询方式

selector：选择器

Elements select(String cssQuery)
//具体语法，看文档格式

<?xml version="1.0" encoding="UTF-8"?>
<student>
    <stu number="stu_001">
        <name id="ideal">zhangsan</name>
        <age>18</age>
    </stu>
    <stu number="stu_002">
        <name>lisi</name>
        <age>30</age>
    </stu>
</student>

package cn.ideal.xml.jsoup;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

import java.io.File;
import java.io.IOException;

public class SelectorDemo {
    public static void main(String[] args) throws IOException {
        //获取Documnet对象
        //通过类加载器，获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //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");

        //查询name标签
        Elements elements1 = document.select("name");
        System.out.println(elements1);

        System.out.println("--------------");

        //查询id值为 stu_001
        Elements elements2 = document.select("#ideal");
        System.out.println(elements2);

        System.out.println("--------------");

        Elements elements3 = document.select("stu[number='stu_001']");
        System.out.println(elements3);

    }
}

//运行结果
<name id="ideal">
 zhangsan
</name>
<name>
 lisi
</name>
--------------
<name id="ideal">
 zhangsan
</name>
--------------
<stu number="stu_001"> 
 <name id="ideal">
  zhangsan
 </name> 
 <age>
  18
 </age> 
</stu>

XPath

package cn.ideal.xml.jsoup;

import cn.wanghaomiao.xpath.model.JXDocument;
import cn.wanghaomiao.xpath.model.JXNode;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

import java.io.File;
import java.util.List;

public class XpathDemo {
    public static void main(String[] args) throws Exception {
//获取Documnet对象
        //通过类加载器，获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //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");

        //创建JXDocument对象
        JXDocument jxDocument = new JXDocument(document);

        //结合xpath语法查询
        List<JXNode> jxNodes = jxDocument.selN("//stu");
        for (JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
        }
    }
}

//运行结果
<stu number="stu_001"> 
 <name id="ideal">
  zhangsan
 </name> 
 <age>
  18
 </age> 
</stu>
<stu number="stu_002"> 
 <name>
  lisi
 </name> 
 <age>
  30
 </age> 
</stu>

//查询stu标签下的name标签
List<JXNode> jxNodes = jxDocument.selN("//student/name");

//查询stu标签下带有id属性且属性值ideal的name标签
List<JXNode> jxNodes = jxDocument.selN("//stu/name[@id='ideal']");

结尾：

如果内容中有什么不足，或者错误的地方，欢迎大家给我留言提出意见, 蟹蟹大家 ！^_

如果能帮到你的话，那就来关注我吧！（系列文章均会在公众号第一时间更新）

在这里的我们素不相识，却都在为了自己的梦而努力 ❤

一个坚持推送原创Java技术的公众号：理想二旬不止