Jsoup快速入门

xml常见的解析器：

1. JAXP：sun公司提供的解析器，支持dom和sax两种思想
2. DOM4J：一款非常优秀的解析器
3. 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。
4. PULL：Android操作系统内置的解析器，sax方式的。

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

当前module下新建一个libs文件夹,复制粘贴jsoup-1.11.2.jar到libs
右键->Add as Library

导入jsoup.png

我们xml文件如下,保存一个学生的信息

<students>
    <student number="heima_0001">
        <name id="itcast">
            <xing>张</xing>
            <ming>三</ming>
        </name>
        <age>18</age>
        <sex>male</sex>
    </student>
    <student number="heima_0002">
        <name>jack</name>
        <age>18</age>
        <sex>female</sex>
    </student>
</students>

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

        //2.获取Document对象，根据xml文档获取
        //2.1获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        //2.2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");
        //3.获取元素对象 Element
        Elements elements = document.getElementsByTag("name");
        System.out.println(elements.size());
        //3.1获取第一个name的Element对象
        Element element = elements.get(0);

        //3.2获取数据
        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
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
3. Elements：元素Element对象的集合。可以当做 ArrayList<Element>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)

5. Node：节点对象
   • 是Document和Element的父类

• 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

        Elements elements = document.select("name");
        System.out.println(elements);
        System.out.println("=----------------");
        //4.查询id值为itcast的元素
        Elements elements1 = document.select("#itcast");
        System.out.println(elements1);
        System.out.println("----------------");
        //5.获取student标签并且number属性值为heima_0001的age子标签
        //5.1.获取student标签并且number属性值为heima_0001
        Elements elements2 = document.select("student[number=\"heima_0001\"]");
        System.out.println(elements2);
        System.out.println("----------------");

        //5.2获取student标签并且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);

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。

   导入xpath.png

   • 查询w3cshool参考手册，使用xpath的语法完成查询
   • 代码：

        //1.获取student.xml的path
        String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();
        //2.获取Document对象
        Document document = Jsoup.parse(new File(path), "utf-8");

        //3.根据document对象，创建JXDocument对象
        JXDocument jxDocument = new JXDocument(document);

        //4.结合xpath语法查询
        //4.1查询所有student标签
        List<JXNode> jxNodes = jxDocument.selN("//student");
        for (JXNode jxNode : jxNodes) {
            System.out.println(jxNode);
        }

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

        //4.2查询所有student标签下的name标签
        List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
        for (JXNode jxNode : jxNodes2) {
            System.out.println(jxNode);
        }

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

        //4.3查询student标签下带有id属性的name标签
        List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
        for (JXNode jxNode : jxNodes3) {
            System.out.println(jxNode);
        }
        System.out.println("--------------------");
        //4.4查询student标签下带有id属性的name标签 并且id属性值为itcast

        List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
        for (JXNode jxNode : jxNodes4) {
            System.out.println(jxNode);
        }