Andorid中使用Jsoup解析库解析XML、HTML、Dom节点---第三方库学习笔记（三）

XML介绍：

XML简介：

• XML,可扩展标记语言，标准通用标记语言的子集。
• 一种用于标记电子文件使其具有结构性的标记语言。
• 它可以用来标记数据、定义数据类型
• 是一种允许用户对自己的标记语言进行定义的源语言。
• 非常适合万维网传输
• 提供统一方法描述和交换独立于应用程序或供应商的结构化数据

XML的特点：

• XML是一种标记语言，很类似HTML
• XML的设计宗旨是传输数据，而非显示数据
• XML标签没有被预定义，需要自行定义标签
• XML被设计为具有自我描述性

• XML是W3C的推荐标准

  XML与HTML对比：

  1. XML和HTML是为不同目的而设计：

• XML被设计为传输和存储数据，其焦点是数据的内容

• HTML被设计用来显示数据，其焦点是数据的外观
• HTML旨在显示数据，而XML旨在传输数据

2.XML仅仅是纯文本
有能力处理纯文本的软件都可以处理XML。不过能够读懂XML的应用程序可以有针对的处理XML的标签。标签的功能性意义依赖于应用程序的特性。

3.XML没有预定义的标签
在HTML中使用的标签（以及HTML的结构）是预定义的。HTML文档只使用在HTML标准中定义过的标签。

XML的语法规则：

1. 在XML中，省略关闭标签是非法的，所有标签都必须有关闭标签。
2. XML标签对对大小写敏感
3. XML必须正确的嵌套
4. XML文档必须有根元素
5. XML的属性值必须加引号
6. XML中，空格会被保留

元素可以包含其他元素、文本、或者两者的混合物。元素也可以拥有属性。

<bookstore>
  <book category="children">
    <title>Harry Pottertitle>
    <author>JK.Rowingauthor>
    <year>2005year>
    <price>29.9price>
  book>
bookstore>

<bookstore>和<book>都拥有元素内容，因为他们包含了其他元素。
<author>只有文本内容，因为仅包含文本。
在上例中，只有<book>元素属性（category="children"）

使用JDK自带的API(Document)解析和生成XML文件：
需要解析的XML文件：

    <languages cat="it">
        <lan id="1">
            <name>Javaname>
            <ide>Eclipseide>
        lan>
        <lan id="2">
            <name>Swiftname>
            <ide>XCodeide>
        lan>
        <lan id="3">
            <name>C#name>
            <ide>Visual Studioide>
        lan>
    languages>

package com.example.myxmltest;

import java.io.InputStream;
import java.io.StringWriter;

import javax.xml.parsers.DocumentBuilder;
import javax.xml.parsers.DocumentBuilderFactory;
import javax.xml.transform.Transformer;
import javax.xml.transform.TransformerFactory;
import javax.xml.transform.dom.DOMSource;
import javax.xml.transform.stream.StreamResult;

import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NodeList;

import android.app.Activity;
import android.os.Bundle;
import android.widget.TextView;

public class MainActivity extends Activity {
    private TextView text;


    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        initView();

        dealXML();//解析XML文件

//        createXML();//创建XML文件
    }

    /**
     * 创建XML文件
     */
    private void createXML() {
        try {
        DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance();
        DocumentBuilder builder = builderFactory.newDocumentBuilder();
        Document document = builder.newDocument();
        //创建根节点元素
        Element root = document.createElement("Languages");
        //为根节点元素设置属性值
        root.setAttribute("cat", "it");

        //第一个子节点
        //创建子节点元素，并为子节点元素设置属性值
        Element lan1 = document.createElement("lan");
        lan1.setAttribute("id", "1");
        //创建子节点的子节点元素，并为其设置内容属性值
        Element name1 = document.createElement("name");
        name1.setTextContent("Java");
        Element ide1 = document.createElement("ide");
        ide1.setTextContent("Eclipse");
        //将这些内容节点添加到子节点中作为子节点的子节点
        lan1.appendChild(name1);
        lan1.appendChild(ide1);

        //第二个子节点
        //创建子节点元素，并为子节点元素设置属性值
        Element lan2 = document.createElement("lan");
        lan2.setAttribute("id", "2");
        //创建子节点的子节点元素，并为其设置内容属性值
        Element name2 = document.createElement("name");
        name2.setTextContent("Swift");
        Element ide2 = document.createElement("ide");
        ide2.setTextContent("XCode");
        //将这些内容节点添加到子节点中作为子节点的子节点
        lan2.appendChild(name2);
        lan2.appendChild(ide2);

        //第三个子节点
        //创建子节点元素，并为子节点元素设置属性值
        Element lan3 = document.createElement("lan");
        lan3.setAttribute("id", "3");
        //创建子节点的子节点元素，并为其设置内容属性值
        Element name3 = document.createElement("name");
        name3.setTextContent("C#");
        Element ide3 = document.createElement("ide");
        ide3.setTextContent("Visual studio");
        //将这些内容节点添加到子节点中作为子节点的子节点
        lan3.appendChild(name3);
        lan3.appendChild(ide3);

        //将子节点添加到根节点中作为根节点的子节点
        root.appendChild(lan1);
        root.appendChild(lan2);
        root.appendChild(lan3);
        //添加根节点元素
        document.appendChild(root);

        TransformerFactory transformerFactory = TransformerFactory.newInstance();
        Transformer transformer = transformerFactory.newTransformer();
        transformer.setOutputProperty("encoding", "utf-8");
        StringWriter sw = new StringWriter();
        transformer.transform(new DOMSource(document), new StreamResult(sw));
        text.setText(sw.toString());

        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    /**
     * 用JDK自带的API（Document）解析XML文件
     */
    private void dealXML() {
        try {
            DocumentBuilderFactory builderFactory = DocumentBuilderFactory.newInstance();
            DocumentBuilder builder = builderFactory.newDocumentBuilder();
            InputStream inputStream = getAssets().open("languages.xml");
            Document document = builder.parse(inputStream);
            //当前的element代表根节点中所有内容
            Element element = document.getDocumentElement();
            NodeList nodeList = element.getElementsByTagName("lan");
            for (int i = 0; i < nodeList.getLength(); i++) {
                Element lan = (Element) nodeList.item(i);
                text.append(lan.getAttribute("id")+"\n");
                text.append(lan.getElementsByTagName("name").item(0).getTextContent()+"\n");
                text.append(lan.getElementsByTagName("ide").item(0).getTextContent()+"\n");
            }


        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    private void initView() {
        text = (TextView) findViewById(R.id.text);
    }
}

HTML、XML等Dom节点类解析库的使用：

Jsoup简介：
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特点：

• HTML、XML、自定义DOM格式文本解析
• 可操作HTML元素、属性、文本
• 适用于采集解析网站HTML
• DOM解析功能非常强大

Jsoup基本用法:

1. 分析Html或Dom文本的结点标签结构
2. 寻找你要解析的那个内容部分所在的结点标记
3. 调用Jsoup API解析结点内容

代码演示：

1. 使用Jsoup载入Html数据
2. 使用Jsoup解析并提取HTML元素
3. 使用Jsoup修改数据
4. 使用Jsoup HTML文档清理

package com.test.Jsoup;

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

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

import android.app.Activity;
import android.os.Bundle;
import android.os.Environment;

import com.example.myxmltest.R;

/**
 * Jsoup的四个功能的基本使用方法
 * @author Administrator
 *
 */
public class JsoupTest extends Activity {
    private String html = "
这里是Jsoup项目的相关文章
";
    private String url = "http://baidu.com";

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        /*
         * 1.使用 Jsoup 载入 Html 数据功能
         * 数据内容可以是：html文本、url、本地html
         */

        //1.html文本
        Document doc = Jsoup.parse(html);
        //可以获取到html中