XML解析器（一）Jsoup

目录

Jsoup

Jsoup解析步骤

Jsoup对象使用

---

 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。

Jsoup解析步骤

JSOUP中文帮助API:    http://www.open-open.com/jsoup/

   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

	
		tom
		18
		male
	
	
		jack
		18
		female
	

package 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
 * 

 * 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" );

        //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);
    }
}

Jsoup对象使用

1. Jsoup对象：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

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="\n" +
                "\n" +
                "\n" +
                "\t\n" +
                "\t\ttom\n" +
                "\t\t18\n" +
                "\t\tmale\n" +
                "\t\n" +
                "\t\n" +
                "\t\tjack\n" +
                "\t\t18\n" +
                "\t\tfemale\n" +
                "\t\n" +
                "";
        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://mp.csdn.net/postedit/82555583");
        Document document2 = Jsoup.parse( url,10000);
//        System.out.println(document2);


    }
}

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

package 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：元素Element对象的集合。可以当做 ArrayList来使用

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)

package 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：节点对象
            * 是Document和Element的父类