XML常见解析器 ----- dom4j解析器，Jsoup解析器 用法

XML是一种可扩展标记语言。可扩展表示标签都是自定义的，语法比较严格，主要是用来存储数据的。常见解析器有JAXP，DOM4J，Jsoup和PULL，本篇文章介绍DOM4J和Jsoup两种解析器的一些用法。

XML 基本语法：
        1. xml文档的后缀名 .xml
        2. 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

student.xml

 
 	
 		brandy
 		16
 		male
 	
	
		claier
		18
		female
	
		 
 

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    :  jsoup-版本号.jar,JsoupXpath-版本号.jar
                2. 获取Document对象
                3. 获取对应的标签Element对象
                4. 获取数据

快速入门代码演示：

 public static void main(String[] args) throws IOException {
        //获取Document对象，根据xml文档获取
        //获取student.xml的path路径
        String path = JsoupDemo01.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
        Elements elements = document.getElementsByTag("name");
        //获取第一个name的element对象
        Element element = elements.get(0);
        //获取文本内容
        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

代码演示：

public static void main(String[] args) throws IOException {

        //获取student.xml的path路径
        String path = JsoupDemo02.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");
        System.out.println(document);*/

        //2.parse(String html):解析html字符串
        String str = "\n" +
                " \n" +
                " \t\n" +
                " \t\ttom\n" +
                " \t\t16\n" +
                " \t\tmale\n" +
                " \t\n" +
                "\t\n" +
                "\t\tclaier\n" +
                "\t\t18\n" +
                "\t\tfemale\n" +
                "\t\n" +
                "\t\t \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网络
        Document document = Jsoup.parse(url, 10000);
    }

 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

 public static void main(String[] args) throws IOException {

        //获取student.xml的path路径
        String path = JsoupDemo03.class.getClassLoader().getResource("student.xml").getPath();
        //获取document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //获取元素对象

        //1.获取所有的student对象
        Elements elements = document.getElementsByTag("student");
//        System.out.println(elements);

        //2.获取属性名为id的元素对象们
        Elements elements1 = document.getElementsByAttribute("id");
//        System.out.println(elements1);

        //3.获取number属相值为heima_0001的元素对象
        Elements elements2 = document.getElementsByAttributeValue("number", "heima_0001");
//        System.out.println(elements2);

        //4.获取id属性值的元素
        Element element = document.getElementById("1");
        System.out.println(element);
    }

 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)

代码演示：

 public static void main(String[] args) throws IOException {

        //获取student.xml的path路径
        String path = JsoupDemo04.class.getClassLoader().getResource("student.xml").getPath();
        //获取document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //获取元素对象

        //通过Document对象获取name标签，它是获取所有的name标签，本案例可以获取到两个
        Elements elements = document.getElementsByTag("name");
        System.out.println(elements.size());

        //通过Element对象或去子标签对象
        Element element_student = document.getElementsByTag("student").get(0);
        Elements ele_stu_name = element_student.getElementsByTag("name");
        System.out.println(ele_stu_name);
        System.out.println(ele_stu_name.size());

        //获取student对象的属性值
        String number = element_student.attr("number");
        System.out.println(number);

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

        //获取文本内容

        //获取所有子标签的纯文本内容
        String text = ele_stu_name.text();
        //获取标签体的所有内容（包括子标签的标签和文本内容）
        String html = ele_stu_name.html();

        System.out.println(text);
        System.out.println(html);
    }

 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
        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

select选择器 代码演示：

 public static void main(String[] args) throws IOException {

        //获取student.xml的path路径
        String path = JsoupDemo05.class.getClassLoader().getResource("student.xml").getPath();
        //获取document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //获取元素对象
        //获取name标签
        Elements elements = document.select("name");
        System.out.println(elements);

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

        //查询id为1的元素
        Elements elements1 = document.select("#1");
        System.out.println(elements1);

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

        //获取student标签且number属性值为heima_0001的age子标签
        //获取student标签且number属性值为heima_0001
        Elements elements2 = document.select("student[number='heima_0001']");
        System.out.println(elements2);
        System.out.println("-------------");
        //获取student标签且number属性值为heima_0001的age子标签
        Elements elements3 = document.select("student[number='heima_0001'] age");
        System.out.println(elements3);
    }

Xpath选择器 代码演示：

 public static void main(String[] args) throws IOException, XpathSyntaxErrorException {

        //获取student.xml的path路径
        String path = JsoupDemo06.class.getClassLoader().getResource("student.xml").getPath();
        //获取document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //根据document对象创建JXDocument
        JXDocument jxDocument = new JXDocument(document);
        //结合xpath语法查询
        //查询所有的student标签
        List jxNodes = jxDocument.selN("//student");
        for (JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
        }

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

        //查询所有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("-----------");

        //查询student标签下带有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("-------------");

        //查询student标签下带有id属性的name标签并且id属性值为1
        List jxNodes3 = jxDocument.selN("//student/name[@id='1']");
        for (JXNode jxNode : jxNodes3) {
            System.out.println(jxNode);
        }
        System.out.println("-------------");


    }

DOM4J：DOM4J是一个开源的，基于Java的库来解析XML文档，它具有高度的灵活性，高性能和内存效率的API。这是java的优化，使用Java集合像列表和数组。它可以使用DOM，SAX，XPath和XSLT。它解析大型XML文档时具有极低的内存占用。需要导入的jar包：dom4j-版本号.jar ; jaxen-版本号.jar

dom4j解析xml：传统方式

  @Test
    public void test1() throws Exception {
        //创建核心解析器对象
        SAXReader saxReader = new SAXReader();
        //加载xml文档，得到代表文档的document对象
        InputStream is = Dom4jDemo.class.getClassLoader().getResourceAsStream("student.xml");
        Document document = saxReader.read(is);
        //得到根元素
        Element rootElement = document.getRootElement();
        //一层一层往里查找
        List students = rootElement.elements();
        for (Element student : students) {
            String number = student.attributeValue("number");
            System.out.println("number的属性值为："+ number);
            //获取student标签下的结点元素们
            List student_sons = student.elements();
            for (Element student_son : student_sons) {
                //获取文本对象
                String text = student_son.getText();
                System.out.println(text);
            }
        }
    }

dom4j + Xpath 快速查找

 @Test
    public void test2() throws Exception {
        //创建核心解析器对象
        SAXReader saxReader = new SAXReader();
        //加载配置文件，获取文档对象document
        InputStream is = Dom4jDemo.class.getClassLoader().getResourceAsStream("student.xml");
        Document document = saxReader.read(is);
        //使用xpath语法快速查找元素
        List list = document.selectNodes("//name");
        for (Element element : list) {
            String id = element.attributeValue("id");
            String text = element.getText();
            System.out.println(text);
        }
        //查找age标签，标签上有aaa属性的元素
        List ages = document.selectNodes("//age[@aaa]");
        //查找age标签，并且标签aaa=dsas
        Element age =(Element) document.selectSingleNode("//age[@aaa='dsas']");
        System.out.println(age.getText());
    }