XML 的学习笔记3

XML 解析

简单的说，对XML文档的解析就是，操作xml文档，将文档中的数据读取到内存中。

  1. 操作xml文档
    1. 解析(读取)：将文档中的数据读取到内存中
    2. 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

解析XML的方式有两种，DOM 和 SAX。

DOM方式解析xml文档

将标记语言文档一次性加载进内存，在内存中形成一棵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

SAX方式解析xml文档

该方式是逐行读取，基于事件驱动的。

  • 优点：不占内存。读取一部分内容进内存，释放释放一部分内存。
  • 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。

使用 Jsoup 解析 XML

快速入门

  1. 下载 Jsoup架包：jsoup-1.13.1.jar、jsoup-1.13.1-sources.jar、jsoup-1.13.1-javadoc.jar。

    备注：JSoup 官网

  2. 导入 Jsoup架包，这里使用的IDEA编程工具：

    1. 在项目目录下创建一个文件夹（libs），用来放架包

      JsoupJarLibs.png

    2. 将下载好的架包复制到libs目录下

      JsoupJarLibs02.png

    3. 导入架包

      JsopJarLibs03.png JsopJarLibs04.png

      这里就已经将架包导入到项目中了。

  3. 创建一个xml文件，用于后面的使用

    复制
    		<?xml version="1.0" encoding="UTF-8"?>
    		<students>
    		    <student number="stringbug_2020">
    		        <name>Lee Hua</name>
    		        <age>21</age>
    		        <sex>male</sex>
    		    </student>
    		    <student number="stringbug_2018">
    		        <name>Rainbow</name>
    		        <age>20</age>
    		        <sex>female</sex>
    		    </student>
    		</students>

  4. 创建一个demo，获取document对象

    1. 获取上面创建的xml文件路径，创建该文件对象：student.xml

      复制
      		// 获取 JsoupDemo01 的字节码对象
      		Class<JsoupDemo01> jsoupDemo01Class = JsoupDemo01.class;
      		// 获取 JsoupDemo01.class 的类加载器
      		ClassLoader classLoader = jsoupDemo01Class.getClassLoader();
      		// 找到对应的资源位置：student.xml 文件位置
      		URL resource = classLoader.getResource("jsoup/student.xml");
      		// 获取 student.xml 路径的字符串标示形式
      		String path = resource.getPath();
      		// 创建文件对象
      		File file = new File(path);

    2. 解析xml文档，将xml文档内容加载进内存，获取dom树

      复制
      		Document parse = Jsoup.parse(file, "utf-8");

    3. 获取xml文件内容

      1. 根据标签的名称获取xml文件内容

        复制
        		// 获取元素对象
        		Elements name = parse.getElementsByTag("name");
        		// 输出获取到标签内容
        		for (int i = 0; i < name.size(); i++) {
        		    System.out.println(name.get(i));
        		    System.out.println("------------");
        		}
        复制
        		// 输出结果如下
        		<name>
        		 Lee Hua
        		</name>
        		------------
        		<name>
        		 Rainbow
        		</name>
        		------------

      2. 获取标签中的文本内容

        复制
        		// 获取元素对象
        		Elements name = parse.getElementsByTag("name");
        		for (int i = 0; i < name.size(); i++) {
        		    // 输出获取到的标签文本内容
        		    System.out.println(name.get(i).text());
        		    System.out.println("------------");
        		}
        复制
        		// 输出结果如下
        		Lee Hua
        		------------
        		Rainbow
        		------------

  5. 实例代码汇总

    1. jsoup/student.xml

      复制
      		<?xml version="1.0" encoding="UTF-8"?>
      		<students>
      		    <student number="stringbug_2020">
      		        <name>Lee Hua</name>
      		        <age>21</age>
      		        <sex>male</sex>
      		    </student>
      		    <student number="stringbug_2018">
      		        <name>Rainbow</name>
      		        <age>20</age>
      		        <sex>female</sex>
      		    </student>
      		</students>

    2. jsoup/

      复制
      		import org.jsoup.Jsoup;
      		import org.jsoup.nodes.Document;
      		import org.jsoup.select.Elements;
      		 
      		import java.io.File;
      		import java.io.IOException;
      		import java.net.URISyntaxException;
      		import java.net.URL;
      		 
      		public class JsoupDemo01 {
      		    public static void main(String[] args) throws IOException, URISyntaxException {
      		 
      		        // 获取 JsoupDemo01.java 的字节码对象
      		        Class<JsoupDemo01> jsoupDemo01Class = JsoupDemo01.class;
      		        // 获取 JsoupDemo01.class 的类加载器
      		        ClassLoader classLoader = jsoupDemo01Class.getClassLoader();
      		        // 找到对应的资源位置：student.xml 文件位置
      		        URL resource = classLoader.getResource("jsoup/student.xml");
      		        // 获取 student.xml 路径的字符串标示形式
      		        String path = resource.getPath();
      		        // 创建文件对象
      		        File file = new File(path);
      		 
      		        // 解析xml文档，将xml文档内容加载进内存，获取dom树
      		        Document parse = Jsoup.parse(file, "utf-8");
      		 
      		        // 获取元素对象
      		        Elements name = parse.getElementsByTag("name");
      		        for (int i = 0; i < name.size(); i++) {
      		            System.out.println(name.get(i));
      		            System.out.println("------------");
      		        }
      		        for (int i = 0; i < name.size(); i++) {
      		            System.out.println(name.get(i).text());
      		            System.out.println("------------");
      		        }
      		    }
      		}

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

      复制
      		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

      复制
      		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来使用

  4. Element：元素对象

    1. 获取子元素对象

      复制
      		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

      复制
      		String attr(String key)
      		// 根据属性名称获取属性值

    3. 获取文本内容

      复制
      		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（了解即可）

    Node 是Document和Element的父类。

Jsoup 工具类的使用

  1. parse(File in, String charsetName) 解析xml或html文件。

    复制
    		// parse(File in, String charsetName) 解析xml或html文件。
    		// 获取student.xml的path
    		String path = JsoupDemo02.class.getClassLoader().getResource("jsoup/student.xml").getPath();
    		// 解析xml文档，将xml文档内容加载进内存，获取dom树
    		Document document1 = Jsoup.parse(new File(path), "utf-8");
    		// 输出的内容是 student.xml 文档的所有内容
    		System.out.println(document1);

  2. parse(String html) 解析xml或html字符串

    复制
    		String xml = "<student number=\"stringbug_2020\">\n" +
    		        "    <name>Lee Hua</name>\n" +
    		        "    <age>21</age>\n" +
    		        "    <sex>male</sex>\n" +
    		        "</student>\n" +
    		        "<student number=\"stringbug_2018\">\n" +
    		        "    <name>Rainbow</name>\n" +
    		        "    <age>20</age>\n" +
    		        "    <sex>female</sex>\n" +
    		        "</student>";
    		Document document2 = Jsoup.parse(xml);
    		System.out.println(xml);

  3. parse(URL url, int timeoutMillis) 通过网络路径获取指定的html或xml的文档对象

    复制
    		URL url = new URL("https://www.baidu.com/");
    		Document document3 = Jsoup.parse(url, 10000);
    		System.out.println(document3);

  4. 代码汇总

    复制
    		import org.jsoup.Jsoup;
    		import org.jsoup.nodes.Document;
    		 
    		import java.io.File;
    		import java.io.IOException;
    		import java.net.URL;
    		 
    		public class JsoupDemo03 {
    		    public static void main(String[] args) throws IOException {
    		        // parse(File in, String charsetName) 解析xml或html文件。
    		        // 获取student.xml的path
    		        String path = JsoupDemo02.class.getClassLoader().getResource("jsoup/student.xml").getPath();
    		        // 解析xml文档，将xml文档内容加载进内存，获取dom树
    		        Document document1 = Jsoup.parse(new File(path), "utf-8");
    		        // 输出的内容是 student.xml 文档的所有内容
    		        System.out.println(document1);
    		 
    		        System.out.println("===============================================================================");
    		 
    		        // parse(String html) 解析xml或html字符串
    		        String xml = "<student number=\"stringbug_2020\">\n" +
    		                "    <name>Lee Hua</name>\n" +
    		                "    <age>21</age>\n" +
    		                "    <sex>male</sex>\n" +
    		                "</student>\n" +
    		                "<student number=\"stringbug_2018\">\n" +
    		                "    <name>Rainbow</name>\n" +
    		                "    <age>20</age>\n" +
    		                "    <sex>female</sex>\n" +
    		                "</student>";
    		        Document document2 = Jsoup.parse(xml);
    		        System.out.println(document2);
    		 
    		        System.out.println("===============================================================================");
    		 
    		        // parse(URL url, int timeoutMillis) 通过网络路径获取指定的html或xml的文档对象
    		        URL url = new URL("https://www.baidu.com/");
    		        Document document3 = Jsoup.parse(url, 10000);
    		        System.out.println(document3);
    		    }
    		}

    student.xml 文件在当前 .java 文件所在的目录下

Element元素对象的使用

  1. xml字符串内容如下：

    XmlString.png

    解析xml字符串

    复制
    		Document document = Jsoup.parse(xml);

  2. getElementById(String id) 根据id属性值获取唯一的element对象

    复制
    		Element elementById = document.getElementById("666");
    		System.out.println(elementById);

  3. getElementsByTag(String tagName) 根据标签名称获取元素对象集合

    复制
    		Elements elementsByTag = document.getElementsByTag("sex");
    		System.out.println(elementsByTag);

  4. getElementsByAttribute(String key) 根据属性名称获取元素对象集合

    复制
    		Elements elementsByAttribute = document.getElementsByAttribute("number");
    		System.out.println(elementsByAttribute);

  5. 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

    复制
    		Elements elementsByAttributeValue = document.getElementsByAttributeValue("number", "stringbug_2018");
    		System.out.println(elementsByAttributeValue);

  6. 代码汇总

    复制
    		import org.jsoup.Jsoup;
    		import org.jsoup.nodes.Document;
    		import org.jsoup.nodes.Element;
    		import org.jsoup.select.Elements;
    		 
    		import java.io.IOException;
    		 
    		public class JsoupDemo04 {
    		    public static void main(String[] args) throws IOException {
    		        // 解析xml或html字符串
    		        String xml = "<student id=\"666\" number=\"stringbug_2020\">\n" +
    		                "    <name>Lee Hua</name>\n" +
    		                "    <age>21</age>\n" +
    		                "    <sex>male</sex>\n" +
    		                "</student>\n" +
    		                "<student number=\"stringbug_2018\">\n" +
    		                "    <name>Rainbow</name>\n" +
    		                "    <age>20</age>\n" +
    		                "    <sex>female</sex>\n" +
    		                "</student>";
    		        Document document = Jsoup.parse(xml);
    		 
    		        // getElementById(String id) 根据id属性值获取唯一的element对象
    		        Element elementById = document.getElementById("666");
    		        System.out.println(elementById);
    		 
    		        System.out.println("===============================================================================");
    		 
    		        // getElementsByTag(String tagName) 根据标签名称获取元素对象集合
    		        Elements elementsByTag = document.getElementsByTag("sex");
    		        System.out.println(elementsByTag);
    		 
    		        System.out.println("===============================================================================");
    		 
    		        // getElementsByAttribute(String key) 根据属性名称获取元素对象集合
    		        Elements elementsByAttribute = document.getElementsByAttribute("number");
    		        System.out.println(elementsByAttribute);
    		 
    		        System.out.println("===============================================================================");
    		 
    		        // 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
    		        Elements elementsByAttributeValue = document.getElementsByAttributeValue("number", "stringbug_2018");
    		        System.out.println(elementsByAttributeValue);
    		    }
    		}

选择器查询XML内容

复制
<?xml version="1.0" encoding="UTF-8"?>
<students>
    <student id="string" number="stringbug_2020">
        <name>Lee Hua</name>
        <age>21</age>
        <sex>male</sex>
    </student>
    <student number="stringbug_2018">
        <name>Rainbow</name>
        <age>20</age>
        <sex>female</sex>
    </student>
</students>

  1. 选择name标签

    复制
    		Elements name = document.select("name");
    		System.out.println(name);

  2. 选择 id="sting" 的标签

    复制
    		Elements idString = document.select("#string");
    		System.out.println(idString);

  3. 选择 id="srting" 的标签 下的 name 标签

    复制
    		Elements idStringName = document.select("#string name");
    		System.out.println(idStringName);

  4. 代码汇总

    复制
    		import org.jsoup.Jsoup;
    		import org.jsoup.nodes.Document;
    		import org.jsoup.select.Elements;
    		 
    		import java.io.File;
    		import java.io.IOException;
    		 
    		public class JsoupDemo05 {
    		    public static void main(String[] args) throws IOException {
    		        // 获取student.xml的path
    		        String path = JsoupDemo02.class.getClassLoader().getResource("jsoup/student.xml").getPath();
    		        // 解析xml文档，将xml文档内容加载进内存，获取dom树
    		        Document document = Jsoup.parse(new File(path), "utf-8");
    		 
    		        // 通过CSS选择器，选择name标签
    		        Elements name = document.select("name");
    		        System.out.println(name);
    		 
    		        System.out.println("===============================================================================");
    		 
    		        // 通过CSS选择器，选择 id="string" 的标签
    		        Elements idString = document.select("#string");
    		        System.out.println(idString);
    		 
    		        System.out.println("===============================================================================");
    		 
    		        // 通过CSS选择器，选择 id="sting" 的标签 下的 name 标签
    		        Elements idStringName = document.select("#string name");
    		        System.out.println(idStringName);
    		    }
    		}

XPath 获取 XML 内容

XPath 概述
  1. XPath 是一门在 XML 文档中查找信息的语言。XPath 用于在 XML 文档中通过元素和属性进行导航。
  2. 什么是 XPath：
    1. XPath 使用路径表达式在 XML 文档中进行导航
    2. XPath 包含一个标准函数库
    3. XPath 是 XSLT 中的主要元素
    4. XPath 是一个 W3C 标准
XPath 的使用

JsoupXPath-0.3.2.jar 下载地址

  1. 将下载好的架包导入到项目中

  2. 创建一个student.xml文档

    复制
    		<?xml version="1.0" encoding="UTF-8"?>
    		<students>
    		    <student number="stringbug_2020">
    		        <name me="2020">Lee Hua</name>
    		        <age>21</age>
    		        <sex>male</sex>
    		    </student>
    		    <student number="stringbug_2018">
    		        <name love="2018">Rainbow</name>
    		        <age>20</age>
    		        <sex>female</sex>
    		    </student>
    		</students>

  3. 在student.xml文档所在的目录下创建一个demo，获取所有student标签

    复制
    		/*
    		    "//" 从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
    		    获取所有student标签
    		 */
    		List<JXNode> students = jxDocument.selN("//student");
    		for (JXNode student : students) {
    		    System.out.println(student);
    		    System.out.println("==========================================");
    		}

  4. 获取所有student标签，然后再获取student标签下的name标签

    复制
    		/*
    		    "/" 从根节点选取。
    		    获取所有student标签，然后再获取student标签下的name标签
    		 */
    		List<JXNode> names = jxDocument.selN("//student/name");
    		for (JXNode name : names) {
    		    System.out.println(name);
    		    System.out.println("==========================================");
    		}

  5. 获取所有student标签，然后再获取student标签下的name标签，且name标签要有me属性

    复制
    		/*
    		    //title[@lang] 选取所有拥有名为 lang 的属性的 title 元素。
    		    获取所有student标签，然后再获取student标签下的name标签，且name标签要有me属性
    		 */
    		List<JXNode> mes = jxDocument.selN("//student/name[@me]");
    		for (JXNode me : mes) {
    		    System.out.println(me);
    		    System.out.println("==========================================");
    		}

  6. 获取所有student标签，然后再获取student标签下的name标签，name标签要有love属性，且属性值为2018

    复制
    		/*
    		    //title[@lang='eng'] 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
    		    获取所有student标签，然后再获取student标签下的name标签，name标签要有love属性，且属性值为2018
    		 */
    		List<JXNode> loves = jxDocument.selN("//student/name[@love='2018']");
    		for (JXNode love : loves) {
    		    System.out.println(love);
    		    System.out.println("==========================================");
    		}

  7. 代码汇总

    复制
    		import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
    		import cn.wanghaomiao.xpath.model.JXDocument;
    		import cn.wanghaomiao.xpath.model.JXNode;
    		import org.jsoup.Jsoup;
    		import org.jsoup.nodes.Document;
    		 
    		import java.io.File;
    		import java.io.IOException;
    		import java.util.List;
    		 
    		public class JsoupDemo06 {
    		    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
    		        // 获取student.xml的path
    		        String path = JsoupDemo02.class.getClassLoader().getResource("jsoup/student.xml").getPath();
    		        // 解析xml文档，将xml文档内容加载进内存，获取dom树
    		        Document document = Jsoup.parse(new File(path), "utf-8");
    		 
    		        // 根据document对象，创建JXDocument对象
    		        JXDocument jxDocument = new JXDocument(document);
    		 
    		        /*
    		            "//" 从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
    		            获取所有student标签
    		         */
    		        List<JXNode> students = jxDocument.selN("//student");
    		        for (JXNode student : students) {
    		            System.out.println(student);
    		            System.out.println("==========================================");
    		        }
    		 
    		        /*
    		            "/" 从根节点选取。
    		            获取所有student标签，然后再获取student标签下的name标签
    		         */
    		        List<JXNode> names = jxDocument.selN("//student/name");
    		        for (JXNode name : names) {
    		            System.out.println(name);
    		            System.out.println("==========================================");
    		        }
    		 
    		        /*
    		            //title[@lang] 选取所有拥有名为 lang 的属性的 title 元素。
    		            获取所有student标签，然后再获取student标签下的name标签，且name标签要有me属性
    		         */
    		        List<JXNode> mes = jxDocument.selN("//student/name[@me]");
    		        for (JXNode me : mes) {
    		            System.out.println(me);
    		            System.out.println("==========================================");
    		        }
    		 
    		        /*
    		            //title[@lang='eng'] 选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
    		            获取所有student标签，然后再获取student标签下的name标签，name标签要有love属性，且属性值为2018
    		         */
    		        List<JXNode> loves = jxDocument.selN("//student/name[@love='2018']");
    		        for (JXNode love : loves) {
    		            System.out.println(love);
    		            System.out.println("==========================================");
    		        }
    		    }
    		}

参考文档

  1. XSD 简易元素
  2. XML和Schema命名空间详解---实例篇
  3. 对XSD schema文件中elementFormDefault属性的理解
  4. 在 XML 文档中引用 Schema
  5. DOM 树
  6. XPath 语法
posted @   LeeHua  阅读(130)  评论(0)  编辑  收藏  举报
编辑推荐：
· AI与.NET技术实操系列：向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列：如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
阅读排行：
· 震惊！C++程序真的从main开始吗？99%的程序员都答错了
· winform 绘制太阳，地球，月球 运作规律
· 【硬核科普】Trae如何「偷看」你的代码？零基础破解AI编程运行原理
· 超详细：普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人
· 上周热点回顾（3.3-3.9）
点击右上角即可分享
微信分享提示
AI IDE Trae

目录导航