【JavaWeb】XML和Jsoup的相关内容

文章目录

• • 1 概念
  • 2 语法
  • • 2.1 基本语法
    • 2.2 组成部分
    • 2.3 约束
    • • 2.3.1 使用DTD约束
      • 2.3.2 使用Schema约束
  • 3 解析
  • • 3.1 将文档中的数据读到内存
    • 3.2 XML常见的解析器
  • 4 Jsoup
  • • 4.1 使用Jsoup
    • 4.2 对象的使用
    • • 4.2.1 Jsoup对象
      • 4.2.2 Document对象
      • 4.2.3 Element对象
    • 4.3 快捷查询方式
    • • 4.3.1 selector选择器
      • 4.3.2 XPath

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

• 配置文件
• 在网络中传输

xml和html的区别

• xml的标签都是自定义的 html的标签都是预定义的
• xml语法严格 html语法松散
• xml是存储数据的 html是展示数据的

2 语法

2.1 基本语法

• 后缀名是.xml
• 第一行必须定义为文档声明
• <?xml version="1.0" encoding="utf-8" ?>
• xml中有且仅有1个根标签
• 属性值必须使用引号引起来
• 标签必须有结束
• xml标签区分大小写

2.2 组成部分

• 文档声明：<?xml 属性列表 ?>
  属性列表：version版本号、encoding编码方式（默认ISO-8859-1）、standalone是否独立（'yes’不依赖其他文件/'no’依赖其他文件）
• 指令：结合css控制样式（了解）<?xml-stylesheet type="text/css" href="#.css" ?>
• 标签：名称自定义。数字、标点不能开头，名称不能以xml开头，名称不能包含空格。
• 属性：id属性唯一
• 文本：CDATA区，在这个区域的内容会原样展示< ! [ CDATA [ 展示数据 ] ] >

2.3 约束

约束：规定xml文档的书写规则
目标：在xml中引入约束文档，读懂约束文档

分类

• DTD：一种简单的约束技术
• Schema：一种复杂的约束技术

2.3.1 使用DTD约束

将dtd文档引入xml文档
-<!DOCTYPE 根标签名 SYSTEM "dtd文件位置">

<!ELEMENT students (student*) > <!--根标签是students *表示子标签student可以出现多次--> <!ELEMENT student (name,age,sex)> <!--student有三个子标签可以出现1次--> <!ELEMENT name (#PCDATA)> <!--子标签的数据类型是PCDATA--> <!ELEMENT age (#PCDATA)> <!ELEMENT sex (#PCDATA)> <!ATTLIST student number ID #REQUIRED> <!--student必须有id--> <?xml version="1.0" encoding="UTF-8" ?> <!DOCTYPE students SYSTEM "student.dtd"><students><student number="itcast_0001"><name>tom</name><age>18</age><sex>male</sex></student> </students>

2.3.2 使用Schema约束

可以约束标签的属性值
引入约束：首先填写根标签，然后引入xsi前缀，引入xsd文件命名空间，给每个xsd约束声明一个前缀作为标识

3 解析

3.1 将文档中的数据读到内存

操作xml文档将文档中的数据读取到内存中

解析XML的方式：服务端一般用DOM 移动端一般用SAX

• DOM : 将标记语言文档一次性加载进内存，在内存中形成一棵DOM树。
  优点：操作方便，可以对文档进行CRUD的所有操作
  缺点：消耗内存
• SAX：逐行读取，基于事件驱动的。读一行释放一次。
  优点：不占内存
  缺点：只能读取，不能增删改

3.2 XML常见的解析器

• JAXP：SUN公司提供的解析器，支持DOM和SAX两种思想
• DOM4J
• Jsoup：是一款HTML解析器，通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。可以直接解析URL地址和HTML文本内容
• PULL：安卓OS内置的解析器，使用SAX方式。

4 Jsoup

4.1 使用Jsoup

导入jar包

获取Document对象

获取对应的标签Element对象

获取数据

public static void main(String[] args) throws IOException {//获取xml的pathString path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();System.out.println(path);/*E:/JavaLearn/project/JavaScript/out/production/JavaScript/student.xml*///解析xml文档 加载文档进内存 获取dom树Document document = Jsoup.parse(new File(path), "utf-8");//获取Element元素对象Elements elements = document.getElementsByTag("name");//获取第一个name的element对象Element element = elements.get(0);String name = element.text();System.out.println(name);}

4.2 对象的使用

主要对象

• Jsoup是一个工具类，可以解析html或xml文档，返回Document对象
• Document是文档对象，代表内存中的DOM树
• Elements是元素Element对象的集合，可以当作ArrayList<Element>来使用
• Element是元素对象，可以获取元素的属性和文本等
• Node是节点对象，是以上对象的父亲。

4.2.1 Jsoup对象

Jsoup主要方法

• Jsoup.parse(File in, String charset) 用来解析html和xml文档返回Document对象，参数是XML或HTML文件
• Jsoup.parse(String html) 可以解析xml或html格式的字符串，返回DOM对象
• Jsoup.parse(URL url, int timeoutMills) 通过网络获取指定的html或xml文档对象

爬虫解析HTML时常用

public static void main(String[] args) throws IOException {URL url = new URL("https://www.baidu.com");Document parse = Jsoup.parse(url, 10000);System.out.println(parse);}

4.2.2 Document对象

• getElementById(String id)根据id属性值获取唯一的element对象
• getElementsByTag(String name)根据标签名获取元素对象的集合
• getElementsByAttribute(String key)根据属性名称获取元素对象的集合
• getElementsByAttributeValue(String key, String value)根据对应的属性名和属性值获取元素对象

4.2.3 Element对象

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 name)根据标签名获取元素对象的集合
• getElementsByAttribute(String key)根据属性名称获取元素对象的集合
• getElementsByAttributeValue(String key, String value)根据对应的属性名和属性值获取元素对象

获取属性值

• String attr(String key)：根据属性名称获取属性值

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 包括子标签的字符串内容

public static void main(String[] args) throws IOException {String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "UTF8");//通过DOM对象获取name标签 可以获取所有的name标签Elements elements = document.getElementsByTag("name");System.out.println(elements.size());//通过ELement对象获取name标签Element student = document.getElementsByTag("student").get(0);//第一个标签//通过Element对象获取子标签对象Elements name = student.getElementsByTag("name");System.out.println(name.size());//获取student的属性值String number = student.attr("number");System.out.println(number);//获取文本内容String text = elements.text();System.out.println(text);//仅获取文本System.out.println(elements.html());//获取子标签和文本}

4.3 快捷查询方式

4.3.1 selector选择器

• Elements select(String cssQuery)
• 语法：参考selector类的文档

public static void main(String[] args) throws IOException {String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "UTF8");//查询name标签Elements name = document.select("name");//标签选择器System.out.println(name+"\n");//查询id值为XXX的元素Elements select = document.select("#smalltom");System.out.println(select+"\n");//获取student标签并且number属性值为 001 的age子标签Elements select1 = document.select("student[number='001']");//1. 获取student标签并且number属性值为 001System.out.println(select1+"\n");//2. 获取001的student标签子标签Elements select2 = document.select("student[number='001'] > age");System.out.println(select2);}

4.3.2 XPath

XML路径语言，用来确定XML文档中查找信息的语言
对DOM树形结构进行操作
需要导入JsoupXpath的jar包
查询w3cshool的参考手册区使用XPath的语法进行查询

public static void main(String[] args) throws IOException, XpathSyntaxErrorException {String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();Document document = Jsoup.parse(new File(path), "UTF8");//根据DOM对象创建JXDocumentJXDocument jxDocument = new JXDocument(document);//查询所有student标签List<JXNode> jxNodes = jxDocument.selN("//student");System.out.println(jxNodes+"\n");//查询所有student标签下的所有name标签List<JXNode> jxNodes1 = jxDocument.selN("//student/name");System.out.println(jxNodes1+"\n");//查询所有student标签下带id属性的name标签List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@id]");System.out.println(jxNodes2+"\n");//查询所有student标签下带id属性的name标签 且属性值为XXXList<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id='XXX']");System.out.println(jxNodes3);}

总结

以上是生活随笔为你收集整理的【JavaWeb】XML和Jsoup的相关内容的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。