(JAXP、DOM4J、Jsoup、JsoupXPath等常用XML解析器的使用) XML概述 XML(Extensible Markup Language)，可扩展标记语言。XML具有标签自定义，语法严格，适用于存储数据与传输数据等特点。 组成部分 1.文
(JAXP、DOM4J、Jsoup、JsoupXPath等常用XML解析器的使用)
XML概述
XML(Extensible Markup Language)，可扩展标记语言。XML具有标签自定义，语法严格，适用于存储数据与传输数据等特点。
组成部分
1.文档声明
格式：<?xml 属性列表 ?> 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 yes：不依赖其他文件 no：依赖其他文件2.指令
用于结合css：<?xml-stylesheet type="text/css" href="xml.css" ?>3.标签
标签名称自定义，需遵循规则：
名称可以包含字母、数字以及其他的字符 名称不能以数字或者标点符号开始 名称不能以字母 xml（或者 XML、Xml 等等）开始 名称不能包含空格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[ 展示数据]]>语法
xml文档的后缀名 .xml xml第一行必须定义为文档声明，可选部分，如果存在需要放在文档的第一行 xml文档中有且仅有一个根标签，是所有其他元素的父元素 属性值必须使用引号(单双都可)引起来 标签必须正确关闭，所有的XML元素都必须有一个关闭标签 xml标签名称区分大小写XML示例
<?xml version="1.0" encoding="UTF-8" ?> <students> <student id='1'> <name>小白</name> <age>20</age> </student> <student id='2'> <name>大白</name> <age>30</age> </student> </students>约束
约束是规定xml文档的书写规则。约束分为：DTD（一种简单的约束技术）与Schema（一种复杂的约束技术）共两类。
DTD
students.dtd
<!ELEMENT students (student+) > <!ELEMENT student (name,age)> <!ELEMENT name (#PCDATA)> <!ELEMENT age (#PCDATA)> <!ATTLIST student name ID #REQUIRED>引入方式：
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)> <!ELEMENT name (#PCDATA)> <!ELEMENT age (#PCDATA)> <!ATTLIST student name ID #REQUIRED> ]> <students> <student name="xb"> <name>小白</name> <age>20</age> </student> <student name="db"> <name>大白</name> <age>30</age> </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">
<?xml version="1.0" encoding="UTF-8" ?> <!DOCTYPE students SYSTEM "student.dtd"> <students> <student name="xb"> <name>小白</name> <age>20</age> </student> <student name="db"> <name>大白</name> <age>30</age> </student> </students>网络：<!DOCTYPE 根标签名 PUBLIC "dtd文件名字" "dtd文件的位置URL">
Schema
1.填写xml文档的根元素 <?xml version="1.0" encoding="UTF-8"?> 2.引入xsi前缀 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 3.引入xsd文件命名空间 xsi:schemaLocation=" http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans.xsd" 4.为每一个xsd约束声明一个前缀,作为标识 xmlns:mvc="http://www.springframework.org/schema/mvc" <?xml version="1.0" encoding="UTF-8"?> <beans xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:="http://www.springframework.org/schema/beans" 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/mvc http://www.springframework.org/schema/mvc/spring-mvc.xsd"> <bean></bean> <mvc:annotation-driven /> </beans>XML的解析
解析就是操作xml文档，将文档中的数据读取到内存中，再将内存中的数据保存到xml文档中，持久化存储。
解析方式
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。操作方便，可以对文档进行CRUD的操作，但占用内存。 2. SAX：逐行读取，基于事件驱动的，其优点不占用内容，但是只能读取，不能增删改。常见解析器
1. JAXP：sun公司提供的解析器，支持dom和sax两种思想 2. DOM4J：是一个十分优秀的Java XML API，用来读写XML文件，具有性能优异、功能强大和极其易使用的特点。 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. JsoupXPath：XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。JAXP的使用
准备student.xml文件
创建student.xml文件，用于XML解析、写入测试。
<?xml version="1.0" encoding="UTF-8" ?> <students> <student id='1'> <name>小白</name> <age>20</age> </student> <student id='2'> <name>大白</name> <age>30</age> </student> </students>解析XML文档
解析XML文档的步骤：
使用javax.xml.parsers包下的DocumentBuilderFactory类中的newInstance()方法获得一个解析器工厂对象 使用解析器工厂对象的newDocumentBuilder()方法获得一个解析器对象 用解析器对象的parse(String uri)方法解析指定XML文档并返回一个org.w3c.dom包下的Document对象 使用Document对象的getElementsByTagName(String tagname)方法获得指定标签名的NodeList列表 使用NodeList列表的item(int index)方法得到指定角标的节点对象 使用Node接口中的一系列方法对其进行操作 public static void main(String[] args) throws Exception { String path = ApplicationTests.class.getClassLoader().getResource("students.xml").getPath(); // 创建解析器工厂对象 DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance(); // 创建解析器对象 DocumentBuilder documentBuilder = documentBuilderFactory.newDocumentBuilder(); // 解析指定XML文档返回document Document document = documentBuilder.parse(new File(path)); // 获得指定标签名的NodeList列表 NodeList students = document.getElementsByTagName("name"); // 得到指定角标的节点对象 for (int i = 0; i < students.getLength(); i++) { Node node = students.item(i); // TODO 使用Node接口中的一系列方法对其进行操作 System.out.println("node name = " + node.getTextContent()); } }写入XML文档
写入XML文档的步骤：
创建sex标签节点 创建sex标签对应文本值 对sex标签添加text 对某个节点添加sex标签节点 通过javax.xml.transform包下的TransformerFactory.newInstance()方法得到一个回写转换器对象工厂 通过回写转换器对象工厂的newTransformer()方法得到回写转换器对象 使用回写转换器对象的transform(Source xmlSource, Result outputTarget)方法将内存中内容回写入XML文档。 Source参数通过new DOMSource(文档对象)方法获得 Result参数可以通过javax.xml.tramsform.stream包下的StreamResult(String URL)方法获得 public static void main(String[] args) throws Exception { String path = ApplicationTests.class.getClassLoader().getResource("students.xml").getPath(); // 创建解析器工厂对象 DocumentBuilderFactory documentBuilderFactory = DocumentBuilderFactory.newInstance(); // 创建解析器对象 DocumentBuilder documentBuilder = documentBuilderFactory.newDocumentBuilder(); // 解析指定XML文档返回document Document document = documentBuilder.parse(new File(path)); //创建sex标签 Node sex = document.createElement("sex"); //创建文本 Text text = document.createTextNode("男"); // sex标签添加text sex.appendChild(text); Node node = document.getElementsByTagName("student").item(0); // student标签添加sex节点 node.appendChild(sex); // 得到回写转换器对象工厂 TransformerFactory transformerFactory = TransformerFactory.newInstance(); // 得到回写转换器对象 Transformer transformer = transformerFactory.newTransformer(); // 将内存中内容回写入XML文档 transformer.transform(new DOMSource(document), new StreamResult(new File(path))); }dom4j的使用
dom4j是一个开源的XML处理框架，集成了XPath，全面支持DOM、SAX、JAXP和Java平台。是一个十分优秀的Java XML API，用来读写XML文件，具有性能优异、功能强大和极其易使用的特点。
GitHub地址:https://github.com/dom4j/dom4j
Document对象获取方式
解析XML过程是通过获取Document对象，然后继续获取各个节点以及属性等操作，获取Document对象是第一步，总共有三种方式。
1.使用DocumentHelper.createDocument()创建Document对象
Document document = DocumentHelper.createDocument(); //其中students是根节点，可以继续添加其他节点等操作。 Element root = document.addElement("students");2.建SAXReader对象然后转换成Document对象
//创建SAXReader对象 SAXReader reader = new SAXReader(); //读取文件 转换成Document Document document = reader.read(new File("XXXX.xml"));3.读取XML文本内容获取Document对象
String xmlStr = "<students>......</students>"; Document document = DocumentHelper.parseText(xmlStr);引入依赖
<!-- https://mvnrepository.com/artifact/org.dom4j/dom4j --> <dependency> <groupId>org.dom4j</groupId> <artifactId>dom4j</artifactId> <version>2.1.3</version> </dependency>解析XML文档
public static void main(String[] args) throws Exception { String path = XmlTest.class.getClassLoader().getResource("students.xml").getPath(); //UTF-8编码 String filePath = URLDecoder.decode(path, "UTF-8"); //xml解析器 SAXReader saxReader = new SAXReader(); Document read = saxReader.read(filePath); //拿到根节点 Element rootElement = read.getRootElement(); //getNodes(rootElement); getALLNodes(rootElement); } static public void getNodes(Element rootElement) { System.out.println("节点名称:" + rootElement.getName()); //拿到节点属性 List<Attribute> attributes = rootElement.attributes(); for (Attribute attribute : attributes) { System.out.println("属性:" + attribute.getName() + "---" + attribute.getText()); } //节点名称 <name>大白</name>节点中的值 if (!rootElement.getTextTrim().equals("")) { System.out.println(rootElement.getName() + "---" + rootElement.getText()); } //迭代器遍历 Iterator<Element> elementIterator = rootElement.elementIterator(); while (elementIterator.hasNext()) { //获取当前节点值 Element next = elementIterator.next(); getNodes(next); } } static public void getALLNodes(Element rootElement) { System.out.println("根节点名称:" + rootElement.getName()); //根节点下的节点 List<Element> elements = rootElement.elements(); for (Element element : elements) { //拿到节点属性 List<Attribute> attributes = element.attributes(); for (Attribute attribute : attributes) { System.out.println("属性:" + attribute.getName() + "---" + attribute.getText()); } //根节点下的节点的节点 List<Element> sonElements = element.elements(); for (Element sonElement : sonElements) { //节点名称 <name>大白</name>节点中的值 if (!sonElement.getTextTrim().equals("")) { System.out.println(sonElement.getName() + "---" + sonElement.getText()); } } } }文档写入XML
public static void main(String[] args) throws Exception { String path = ApplicationTests.class.getClassLoader().getResource("students.xml").getPath(); //UTF-8编码 String filePath = URLDecoder.decode(path, "UTF-8"); //xml解析器 SAXReader saxReader = new SAXReader(); Document read = saxReader.read(filePath); createStudentNode(read, path); } /** * 创建新的student节点 * * @param document */ public static void createStudentNode(Document document, String path) { try (Writer writer = new OutputStreamWriter(new FileOutputStream(path), "UTF-8")) { // 获取根节点 Element root = document.getRootElement(); // 添加根节点的子节点 新的student节点 Element b = root.addElement("student"); // 创建student节点的各个子节点 // 添加子节点的属性 b.addAttribute("id", "3");//原有长度+1 // 添加子节点的的子节点name b.addElement("name").setText("createNode"); // 添加子节点的子节点age b.addElement("age").setText("22"); // 写入XML document.write(writer); } catch (IOException e) { throw new RuntimeException(e); } }Jsoup的使用
GitHub地址：https://github.com/jhy/jsoup
官网：https://jsoup.org
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主要功能
从一个URL，文件或字符串中解析HTML 使用DOM或CSS选择器来查找、取出数据 可操作HTML元素、属性、文本引入依赖
<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup --> <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.13.1</version> </dependency>核心对象
1.Jsoup
Jsoup是一个工具类，可以解析html或xml文档，返回Document。
常用方法：
//解析xml或html字符串 public static Document parse(String html) { return Parser.parse(html, ""); } //解析xml或html文件 public static Document parse(File in, String charsetName) throws IOException { return DataUtil.load(in, charsetName, in.getAbsolutePath()); } //通过网络路径获取指定的html或xml的文档对象 public static Document parse(URL url, int timeoutMillis) throws IOException { Connection con = HttpConnection.connect(url); con.timeout(timeoutMillis); return con.get(); }2.Document
Document是指文档对象，代表内存中的dom树。
常用方法：
//根据id属性值获取唯一的element对象 public Element getElementById(String id) { Validate.notEmpty(id); Elements elements = Collector.collect(new Id(id), this); return elements.size() > 0 ? (Element)elements.get(0) : null; } //根据标签名称获取元素对象集合 public Elements getElementsByTag(String tagName) { Validate.notEmpty(tagName); tagName = Normalizer.normalize(tagName); return Collector.collect(new org.jsoup.select.Evaluator.Tag(tagName), this); } //根据属性名称获取元素对象集合 public Elements getElementsByAttribute(String key) { Validate.notEmpty(key); key = key.trim(); return Collector.collect(new Attribute(key), this); } //根据对应的属性名和属性值获取元素对象集合 public Elements getElementsByAttributeValue(String key, String value) { return Collector.collect(new AttributeWithValue(key, value), this); }3.Elements与Element
Element是元素对象，Elements是元素Element对象的集合，可以当做 ArrayList<Element>使用。
常用方法：
//根据id属性值获取唯一的element对象 public Element getElementById(String id) { Validate.notEmpty(id); Elements elements = Collector.collect(new Id(id), this); return elements.size() > 0 ? (Element)elements.get(0) : null; } //根据class属性值获取elements对象集合 public Elements getElementsByClass(String className) { Validate.notEmpty(className); return Collector.collect(new Class(className), this); } //根据标签名称获取元素对象集合 public Elements getElementsByTag(String tagName) { Validate.notEmpty(tagName); tagName = Normalizer.normalize(tagName); return Collector.collect(new org.jsoup.select.Evaluator.Tag(tagName), this); } //根据属性名称获取元素对象集合 public Elements getElementsByAttribute(String key) { Validate.notEmpty(key); key = key.trim(); return Collector.collect(new Attribute(key), this); } //根据对应的属性名和属性值获取元素对象集合 public Elements getElementsByAttributeValue(String key, String value) { return Collector.collect(new AttributeWithValue(key, value), this); } //根据属性名称获取属性值 public String attr(String attributeKey) { Validate.notNull(attributeKey); if (!this.hasAttributes()) { return ""; } else { String val = this.attributes().getIgnoreCase(attributeKey); if (val.length() > 0) { return val; } else { return attributeKey.startsWith("abs:") ? this.absUrl(attributeKey.substring("abs:".length())) : ""; } } } //获取文本内容 public String text() { StringBuilder sb = new StringBuilder(); Element element; for(Iterator var2 = this.iterator(); var2.hasNext(); sb.append(element.text())) { element = (Element)var2.next(); if (sb.length() != 0) { sb.append(" "); } } return sb.toString(); } //获取标签体的所有内容(包括字标签的字符串内容) public String html() { StringBuilder sb = new StringBuilder(); Element element; for(Iterator var2 = this.iterator(); var2.hasNext(); sb.append(element.html())) { element = (Element)var2.next(); if (sb.length() != 0) { sb.append("\n"); } } return sb.toString(); }解析XML文档
public static void main(String[] args) throws IOException { //根据xml文档获取，获取Document对象 String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath(); //解析xml文档，加载文档进内存 Document document = Jsoup.parse(new File(path), "utf-8"); //获取元素对象Element Elements elements = document.getElementsByTag("name"); //循环得到每一个element对象 for (Element element : elements) { //获取数据 String name = element.text(); System.out.println(name); } //获取属性名为id的元素对象们 Elements elements1 = document.getElementsByAttribute("id"); System.out.println(elements1); //获取id属性值为2的元素对象 Elements elements2 = document.getElementsByAttributeValue("id", "2"); System.out.println(elements2); //获取id属性值的元素对象 Element elements3 = document.getElementById("2"); System.out.println(elements3); //通过Element对象获取子标签对象 Elements ele_name = elements3.getElementsByTag("name"); System.out.println(ele_name); //获取student对象的属性值 String id = elements3.attr("id"); System.out.println(id); //获取文本内容 String text = ele_name.text(); System.out.println(text); String html = ele_name.html(); System.out.println(html); }JsoupXPath的使用
GitHub地址：https://github.com/zhegexiaohuozi/JsoupXpath
XPath即为XML路径语言（XML Path Language），它是一种用来确定XML文档中某部分位置的语言。
XPath基于XML的树状结构，提供在数据结构树中找寻节点的能力。