跳至主要內容

XML Jsoup Xpath

程序员李某某大约 6 分钟

XML Jsoup Xpath

概述

概念：Extensible Markup Language 可扩展标记语言

  • 可扩展：标签都是自定义的。 <user> <student>

  • 功能

    • 存储数据
      1. 配置文件
      2. 在网络中传输
  • xml与html的区别
    • xml标签都是自定义的，html标签是预定义。
    • xml的语法严格，html语法松散
    • xml是存储数据的，html是展示数据
  • w3c:万维网联盟

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，不能是空行
	<?xml version='1.0' ?>
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

组成部分

  1. 文档声明

    1. 格式：<?xml 属性列表 ?>
    2. 属性列表：
      • version：版本号，必须的属性
      • encoding：编码方式。告知解析引擎当前文档使用的字符集，默认值：ISO-8859-1
      • standalone：是否独立
        • 取值：
          • yes：不依赖其他文件
          • no：依赖其他文件

  2. 指令(了解)：结合css的 * <?xml-stylesheet type="text/css" href="a.css" ?>

  3. 标签：标签名称自定义的，规则和java类似

  4. 属性： id属性值唯一

  5. 文本：

    • CDATA区：在该区域中的数据会被原样展示
    • 格式： <![CDATA[ 数据 ]]>

约束

规定xml文档的书写规则

  1. DTD:一种简单的约束技术

    • (了解)内部dtd：将约束规则定义在xml文档中

      <?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE students[
    <!ELEMENT students (student*) >
    <!ELEMENT student (name,age,sex)>
    <!ELEMENT name (#PCDATA)>		
    <!ELEMENT age (#PCDATA)>
    <!ELEMENT sex (#PCDATA)>
    <!ATTLIST student number ID #REQUIRED>		
]>

<students>
	<student number="itcast_0001">
		<name>tom</name>
		<age>18</age>
		<sex>male</sex>
	</student>	
</students>

    • 外部dtd：将约束的规则定义在外部的dtd文件中

      • 本地：<!DOCTYPE 根标签名 SYSTEM "dtd文件的位置">
      • 网络：<!DOCTYPE 根标签名 PUBLIC "dtd文件名字（随便写）" "dtd文件的位置URL">
    <!ELEMENT students (student*) >
<!ELEMENT student (name,age,sex)>
<!ELEMENT name (#PCDATA)>		<!-- #PCDATA  字符串-->
<!ELEMENT age (#PCDATA)>
<!ELEMENT sex (#PCDATA)>
<!ATTLIST student number ID #REQUIRED>		<!-- #REQUIRED  必须属性-->

    <?xml version="1.0" encoding="UTF-8" ?>
<!DOCTYPE students SYSTEM "student.dtd">		<!--引入约束文件-->

<students>
	<student number="itcast_0001">
		<name>tom</name>
		<age>18</age>
		<sex>male</sex>
	</student>	
</students>

  2. Schema:一种复杂的约束技术

    • dtd缺点，不能约束属性值

    • Schema后缀名是xsd，本质上是xml

      • 版本号等

      • 根标签schema

        引入前缀 xmlns:xsi="http://www.w3.org/2001/XMLSchema"（引入和声明可以同时）open in new window

        声明前缀 xmlns:xxx=”“（xxx就是前缀，省略：xxx即默认情况不写前缀）

        命名空间

        标签默认格式 qualified

        • 定义根标签（name type）

        • 定义complexType（内含子标签）

        • sequence“顺序”--顺序限制

          • 子标签（name type minOccurs maxOccurs）（unbounded“不限”）

        • 定义simpleType（最内层标签，即属性）

        • restriction“约束”--内容限制 base（内容基于的类型）

          • 属性、属性值 enumeration”枚举“ value=male

            ​ minInclusive”最小包含“maxInclusive

            ​ pattern”模板“ value="heima_\d{4}"

        <?xml version="1.0"?>
<xsd:schema xmlns="http://www.itcast.cn/xml"
        xmlns:xsd="http://www.w3.org/2001/XMLSchema"
        targetNamespace="http://www.itcast.cn/xml" elementFormDefault="qualified">

    <xsd:element name="students" type="studentsType"/>

    <xsd:complexType name="studentsType">
        <xsd:sequence>
            <xsd:element name="student" type="studentType" minOccurs="0" maxOccurs="unbounded"/>
        </xsd:sequence>
    </xsd:complexType>
    
    <xsd:complexType name="studentType">
        <xsd:sequence>
            <xsd:element name="name" type="xsd:string"/>
            <xsd:element name="age" type="ageType" />
            <xsd:element name="sex" type="sexType" />
        </xsd:sequence>
        <xsd:attribute name="number" type="numberType" use="required"/>
    </xsd:complexType>

    <xsd:simpleType name="sexType">
        <xsd:restriction base="xsd:string">
            <xsd:enumeration value="male"/>
            <xsd:enumeration value="female"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="ageType">
        <xsd:restriction base="xsd:integer">
            <xsd:minInclusive value="0"/>
            <xsd:maxInclusive value="256"/>
        </xsd:restriction>
    </xsd:simpleType>
    <xsd:simpleType name="numberType">
        <xsd:restriction base="xsd:string">
            <xsd:pattern value="heima_\d{4}"/>
        </xsd:restriction>
    </xsd:simpleType>
</xsd:schema>

    • 引入： 1.填写xml文档的根元素 2.引入xsi前缀. xmlns:xsi="http://www.w3.org/2001/XMLSchema-instanceopen in new window" 3.引入xsd文件命名空间. xsi:schemaLocation="http://www.itcast.cn/xmlstudent.xsdopen in new window" 4.为每一个xsd约束声明一个前缀,作为标识 xmlns="http://www.itcast.cn/xmlopen in new window"

      <根元素 引入前缀xmlns:xsi="http://www.w3.org/2001/XMLSchema-instanceopen in new window"

      ​ 给命名空间声明前缀xmlns:a="http://www.itcast.cn/xml1open in new window" >

      ​ xmlns:b="http://www.itcast.cn/xml2open in new window" >

      ​ 命名空间xsi:schemaLocation="http://www.itcast.cn/xml1open in new window

      ​ student1.xsd”文件路径“

      ​ http://www.itcast.cn/xml2open in new window

      ​ student2.xsd"

      <?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
	xmlns:context="http://www.springframework.org/schema/context"
    xmlns:mvc="http://www.springframework.org/schema/mvc"
    xsi:schemaLocation="
        http://www.springframework.org/schema/beans
        http://www.springframework.org/schema/beans/spring-beans.xsd
        http://www.springframework.org/schema/context 
        http://www.springframework.org/schema/context/spring-context.xsd
        http://www.springframework.org/schema/mvc
        http://www.springframework.org/schema/mvc/spring-mvc.xsd">

操作xml文档

  • 操作xml文档

解析(读取)：将文档中的数据读取到内存中

写入：将内存中的数据保存到xml文档中。持久化的存储

  • 解析xml的方式：

    1. DOM：将标记语言文档一次性加载进内存，在内存中形成一颗dom树
      • 优点：操作方便，可以对文档进行CRUD的所有操作
      • 缺点：占内存
    2. SAX：逐行读取，基于事件驱动的。
      • 优点：不占内存。
      • 缺点：只能读取，不能增删改

  • 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

方便在于获取Element对象方法和js基本相同

  • 导入jar包
  • 获取Document对象
  • 获取对应的标签Element对象
  • 获取数据
//1.获取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
//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");
//4.获取第一个name的Element对象
Element element = elements.get(0);
//5.获取数据
String name = element.text();
System.out.println(name);

URL url = new URL("https://www.baidu.com/");
Document document1 = Jsoup.parse(url, 3000);
  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​(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。获取元素对象方法和js基本相同
  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
    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(包括子标签字符串内容)和toString类似
  5. Node：节点对象，用于增删改，是Document和Element的父类

快捷查询方式

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（和css选择器基本相同）
    String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
Elements select = document.select("#001");

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

    String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");

JXDocument jxDocument = new JXDocument(document);
//获取所有student内容
List<JXNode> jxNodes = jxDocument.selN("//student");
//获取所有studentd的id属性值
List<JXNode> jxNodes1 = jxDocument.selN("//student/@id");
//获取含class属性的name内容
List<JXNode> jxNodes2 = jxDocument.selN("//student/name[@class]");
///获取含class属性值为hehe的name的内容
List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@class='hehe']");
上次编辑于:
贡献者: ext.liyuanhao3
Copyright © 2025 程序员李某某