JavaWeb 之 XML 解析器 — Jsoup

一、Jsoup 解析步骤

　　Jsoup中文帮助API：https://www.open-open.com/jsoup/

　　步骤：

1、导入 jar 包（官网下载地址：Jsoup官网）

2、解析 XML文件

　　① 得到解析文件的路径：类加载器加载文件的路径

　　② 构建一个 File 对象

　　③ 调用 Jsoup 的 parse 方法解析 XML 文件得到一个 Document 对象

　　④ 调用 Document 的相关方法得到相关的标签对象（Element），Element 就是一个存放了 Element 对象的 ArrayList 集合

　　⑤ 调用 Element 的相关方法获取数据

　　XML 文件：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
 
<students>
    <student number="0001">
        <name id="java">tom</name>
        <age>18</age>
        <sex>male</sex>
    </student>
    <student number="0002">
        <name>jack</name>
        <age>18</age>
        <sex>female</sex>
    </student>
</students>

　　解析 XML：

package com.ks.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;
 
/**
 * xml_解析_Jsoup_快速入门
 * <p>
 * 步骤：
 * 1，导入JAR
 * 2，解析XML文件
 *      A，得到解析文件的路径：类加载器加载文件的路径
 *      B，构建一个FILE对象
 *      C，调用JSOUP的PARSE方法解析XML文件得到一个DOCUMENT对象
 *      D，调用Document的相关方法得到相关的标签对象(Element)
 *          Elements:就是一个存了Element对象的ArrayList集合
 *      E ，调用Element的相关方法得到想要的数据
 */
public class JsoupDemo1 {
    public static void main(String[] args) throws IOException {
        //1.获取xml解析文件的路径
        String path = JsoupDemo1.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
        //2.解析xml文档，加载文档进内存,获取 dom 树 --》获取document对象
        Document document = Jsoup.parse(new File( path ),"UTF-8");
        //3.获取元素对象Element，返回值是存了Element对象的ArrayList集合
        Elements name = document.getElementsByTag( "name" );
 　　　　System.out.println(name.size());
        //4.获取第一个name的Element对象
        Element element = name.get( 0 );
        //5.获取数据
        String text = element.text();
        System.out.println(text);
    }
}

二、Jsoup 对象的使用

　　1、Jsoup 类

　　　　Jsoup：工具类，可以解析 HTML 或 XML 文档，返回 Document 对象

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

　　　　　Demo:

package jsoup;
/**
 * Jsoup对象功能
 */
 
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
 
import java.io.File;
import java.io.IOException;
import java.net.URL;
 
public class JsoupDemo2 {
    public static void main(String[] args) throws IOException {
        //获取xml解析文件的路径
        String path = JsoupDemo1.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
 
        //1.解析xml文档，加载文档进内存,获取document对象
        Document document = Jsoup.parse(new File( path ),"UTF-8");
 
        //2.parse(String html):解析xml或HTML字符串
        String str="<?xml version="1.0" encoding="UTF-8" standalone="no"?>
" +
                "
" +
                "<students>
" +
                "	<student number="0001">
" +
                "		<name>tom</name>
" +
                "		<age>18</age>
" +
                "		<sex>male</sex>
" +
                "	</student>
" +
                "	<student number="0002">
" +
                "		<name>jack</name>
" +
                "		<age>18</age>
" +
                "		<sex>female</sex>
" +
                "	</student>
" +
                "</students>";
        Document document1 = Jsoup.parse( str );
//        System.out.println(document1);
 
        //3.parse(URL url ,int timeoutMillis):通过网络路径获取指定的HTML或xml文档对象
        URL url=new URL("https:www.baidu.com");
        Document document2 = Jsoup.parse( url,10000);
//        System.out.println(document2);
 
 
    }
}

　　2、Document 对象

　　　　Document对象：文档对象，代表内存中的 dom 树

　　　　获取 Element 对象的方法：

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

　　　　Demo:

package com.ks.jsoup;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
 
import java.io.File;
import java.io.IOException;
 
/**
 *Document/Elements对象
 */
public class JsoupDomo3 {
    public static void main(String[] args) throws IOException {
        String path = JsoupDomo3.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
        Document document = Jsoup.parse( new File( path ), "UTF-8" );
 
        //1.获取所有的student对象
        Elements student = document.getElementsByTag( "student" );
        System.out.println(student);
        System.out.println("========================");
 
        //2.获取id属性的元素对象
        Elements id = document.getElementsByAttribute( "id" );
        System.out.println(id);
        System.out.println("========================");
 
        //3.根据id属性值获取唯一的element对象
        Elements value = document.getElementsByAttributeValue( "id", "itcast" );
        System.out.println(value);
    }
}

　　3、Elements

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

　　4、Element 对象

　　　　Element 表示元素对象

　　　　（1）获取子元素对象的方法

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）获取属性值的方法

String attr(String key)：根据属性名称获取属性值

　　　　（3）获取文本内容

String text():获取所有子标签的纯文本内容
String html():获取标签体的所有内容(包括子标签和标签里面的内容的字符串内容)

　　　　　　Demo:

package com.ks.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;
 
/**
 * Element对象
 */
public class JsoupDemo4 {
    public static void main(String[] args) throws IOException {
        String path = JsoupDemo4.class.getClassLoader().getResource( "xml/student.xml" ).getPath();
        Document document = Jsoup.parse( new File( path ), "UTF-8" );
 
        //通过document获取所有的name标签，可以获取两个
        Elements name = document.getElementsByTag( "name" );
        System.out.println(name.size());
 
        //通过element对象子标签对象,可以获取一个
        Element ele_Student = document.getElementsByTag( "name" ).get( 0 );
        Elements els_name = ele_Student.getElementsByTag( "name" );
        System.out.println(els_name.size());
 
        //获取student对象的属性值
        String number = ele_Student.attr( "number" );
        System.out.println(number.length());
        //获取文本内容
        String text = els_name.text();
        String html = els_name.html();
        System.out.println(text);
        System.out.println(html);
    }
}

　　5、Node 对象

　　　　Node 表示节点对象，是 Document 和 Element 的父类

三、Jsoup 快捷查询方式

　　1、selector 选择器

　　　　使用的方法：Elements

Elements    select​(String cssQuery)

　　　　详细语法，参考 JavaAPI中 Selector 类中定义的语法。

　　　　Demo：

1  import org.jsoup.Jsoup;
 2 import org.jsoup.nodes.Document;
 3 import org.jsoup.nodes.Element;
 4 import org.jsoup.select.Elements;
 5 
 6 import java.io.File;
 7 import java.io.IOException;
 8 
 9 /**
10  *选择器查询
11  */
12 public class JsoupDemo {
13     public static void main(String[] args) throws IOException {
14         //1.获取student.xml的path
15         String path = JsoupDemo5.class.getClassLoader().getResource("student.xml").getPath();
16         //2.获取Document对象
17         Document document = Jsoup.parse(new File(path), "utf-8");
18 
19         //3.查询name标签
20 
21         Elements elements = document.select("name");
22         System.out.println(elements);
23         System.out.println("=----------------");
24         //4.查询id值为java的元素
25         Elements elements1 = document.select("#java");
26         System.out.println(elements1);
27         System.out.println("----------------");
28         //5.获取student标签并且number属性值为java_0001的age子标签
29         //5.1.获取student标签并且number属性值为java_0001
30         Elements elements2 = document.select("student[number="java_0001"]");
31         System.out.println(elements2);
32         System.out.println("----------------");
33 
34         //5.2获取student标签并且number属性值为java_0001的age子标签
35         Elements elements3 = document.select("student[number="java_0001"] > age");
36         System.out.println(elements3);
37 
38     }
39 
40 }

　　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级）文档中某部分位置的语言

　　　　使用步骤：

　　　　　　（1）使用 Jsoup 的 Xpath 需要额外导入 jar 包。

　　　　　　（2）使用 Xpath 语法完成查询。XPath 语法

　　　　  Demo：

 1 import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
 2 import cn.wanghaomiao.xpath.model.JXDocument;
 3 import cn.wanghaomiao.xpath.model.JXNode;
 4 import org.jsoup.Jsoup;
 5 import org.jsoup.nodes.Document;
 6 import org.jsoup.select.Elements;
 7 import java.io.File;
 8 import java.io.IOException;
 9 import java.util.List;
10 
11 /**
12  *XPath查询
13  */
14 public class JsoupDemo6 {
15     public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
16         //1.获取student.xml的path
17         String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
18         //2.获取Document对象
19         Document document = Jsoup.parse(new File(path), "utf-8");
20 
21         //3.根据document对象，创建JXDocument对象
22         JXDocument jxDocument = new JXDocument(document);
23 
24         //4.结合xpath语法查询
25         //4.1查询所有student标签
26         List<JXNode> jxNodes = jxDocument.selN("//student");
27         for (JXNode jxNode : jxNodes) {
28             System.out.println(jxNode);
29         }
30 
31         System.out.println("--------------------");
32 
33         //4.2查询所有student标签下的name标签
34         List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
35         for (JXNode jxNode : jxNodes2) {
36             System.out.println(jxNode);
37         }
38 
39         System.out.println("--------------------");
40 
41         //4.3查询student标签下带有id属性的name标签
42         List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
43         for (JXNode jxNode : jxNodes3) {
44             System.out.println(jxNode);
45         }
46         System.out.println("--------------------");
47         //4.4查询student标签下带有id属性的name标签 并且id属性值为java
48 
49         List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='java']");
50         for (JXNode jxNode : jxNodes4) {
51             System.out.println(jxNode);
52         }
53     }
54 
55 }