32.2 xml解析、Jsoup解析器、 xml快捷查询方式（Jsoup解析器的selector选择器、 XPath查询）

本文链接：https://blog.youkuaiyun.com/Birdmotianlun/article/details/109407309

本文介绍了如何使用Jsoup解析XML文档，包括三种解析方法：parse(File, String)，parse(String)和parse(URL, int)。同时详细讲解了Document对象和Element对象的使用，如getElementById、getElementsByTag等方法。此外，还探讨了利用Jsoup的选择器和XPath进行快速查询的方式，为XML数据处理提供了实用技巧。" 123756554,9949616,VirtualBox 21.10 安装Ubuntu 21.10 教程：增强功能与共享文件,"['虚拟机', 'Linux', 'Ubuntu']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1 xml解析

2 Jsoup解析器

2.1 3种常见的Jsoup解析方式

2.2 Jsoup中document文档对象

2.2 Jsoup中Element元素对象

3 xml快捷查询方式

3.1 selector:选择器

3.2 XPath查询

1 xml解析

xml文档操作有两种方式：解析xml和写入xml

写入：将内存中的数据保存到xml文档中。持久化的存储

xml解析：操作xml文档，将文档中的数据读取到内存中

xml解析方式：	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
xml解析方式：	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。

2 Jsoup解析器

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。

列：使用解析器解析xml文档

导入包 jsoup-1.11.2.jar 并添加到库

创建student.xml文档

<?xml version="1.0" encoding="UTF-8" ?>
<students>
	<student number="aa_0001">
		<name id="aa_0001">
			<xing>张</xing>
			<ming>三</ming>
		</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	<student number="aa_0002">
		<name>jack</name>
		<age>18</age>
		<sex>female</sex>
	</student>
</students>

代码书写

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

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

/**
 * Jsoup快速入门  Jsoup解析xml
 */
public class Jsoup01_Demo1 {
    public static void main(String[] args) throws IOException {
        //2.获取Document对象，根据xml文档获取
        String path = Jsoup01_Demo1.class.getClassLoader().getResource("student.xml").getPath();//2.1获取student.xml的path
        Document document = Jsoup.parse(new File(path), "utf-8");
        Elements elements = document.getElementsByTag("name");// //3.获取元素对象 Element
        //System.out.println(elements+"\r\r");
        Element element = elements.get(1);//3.1获取第一个name的Element对象
        String text = element.text();//3.2获取数据
        System.out.println(text);
    }
}

2.1 3种常见的Jsoup解析方式

常见的Jsoup解析html或xml文档有三种方式：

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 Jsoup：工具类，可以解析html或xml文档，返回Document

方式1：parse(File in, String charsetName)：解析xml或html文件的

    public static void main(String[] args) throws IOException {
    //1 获取student.xml文档的字节码文件，类加载器，获取文件路径
        String path = Jsoup02_Document.class.getClassLoader().getResource("student.xml").getPath();
        //2parse(File in, String charsetName)：解析xml或html文件的。
        Document document = Jsoup.parse(new File(path), "utf-8");
        System.out.println(document);
    }

方式2：parse(String html)：解析xml或html字符串

    public static void main(String[] args) throws IOException {
    //1 获取student.xml文档的字节码文件，类加载器，获取文件路径
        String path = Jsoup02_Document02.class.getClassLoader().getResource("student.xml").getPath();
        //2 parse(String html)：解析xml或html字符串
        Document document = Jsoup.parse("<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
                "\n" +
                "<students>\n" +
                "\t<student number=\"aa_0001\">\n" +
                "\t\t<name id=\"itcast\">\n" +
                "\t\t\t<xing>张</xing>\n" +
                "\t\t\t<ming>三</ming>\n" +
                "\t\t</name>\n" +
                "\t\t<age>18</age>\n" +
                "\t\t<sex>male</sex>\n" +
                "\t</student>\n" +
                "\t<student number=\"aa_0002\">\n" +
                "\t\t<name>jack</name>\n" +
                "\t\t<age>18</age>\n" +
                "\t\t<sex>female</sex>\n" +
                "\t</student>\n" +
                "\n" +
                "</students>");
        System.out.println(document);
    }

方式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 Jsoup：工具类，可以解析html或xml文档，返回Document

    public static void main(String[] args) throws IOException {
    //1 获取student.xml文档的字节码文件，类加载器，获取文件路径
        String path = Jsoup02_Document03.class.getClassLoader().getResource("student.xml").getPath();
        //2 parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象 Jsoup：工具类，可以解析html或xml文档，返回Document
        URL url = new URL("https://www.baidu.com");
        Document document = Jsoup.parse(url, 10000);
        System.out.println(document);
    }

2.2 Jsoup中document文档对象

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

列：document对象练习

1 导包jsoup-1.11.2.jar

2 写student.xml文件

<?xml version="1.0" encoding="UTF-8" ?>

<students>
	<student number="aa_0001">
		<name id="aa_0001">
			<xing>张</xing>
			<ming>三</ming>
		</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	<student number="aa_0002">
		<name>jack</name>
		<age>18</age>
		<sex>female</sex>
	</student>

</students>

3 书写代码

    public static void main(String[] args) throws IOException {
    //1 获取student.xml文档的字节码文件，类加载器，获取文件路径
        String path = Jsoup02_Document04.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        //3.获取元素对象了。
        //3.1  getElementById(String id)：根据id属性值获取唯一的element对象
        Element element = document.getElementById("aa_0001");
        System.out.println(element);
        System.out.println("----------------------------");
        //3.2获取所有student对象   getElementsByTag(String tagName)：根据标签名称获取元素对象集合
        Elements elements = document.getElementsByTag("student");
        System.out.println(elements);
        System.out.println("----------------------------");
        //3.3 获取属性名为id的元素对象们  getElementsByAttribute(String key)：根据属性名称获取元素对象集合
        Elements elements1 = document.getElementsByAttribute("id");
        System.out.println(elements1);
        System.out.println("----------------------------");
        //3.4 获取 number属性值为aa_0001的元素对象
        Elements elements2 = document.getElementsByAttributeValue("number", "aa_0002");
        System.out.println(elements2);
    }

2.2 Jsoup中Element元素对象

Element：元素对象

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

列：Element对象练习

1 导包jsoup-1.11.2.jar

2 写student.xml文件

<?xml version="1.0" encoding="UTF-8" ?>

<students>
	<student number="aa_0001">
		<name id="aa_0001">
			<xing>张</xing>
			<ming>三</ming>
		</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	<student number="aa_0002">
		<name>jack</name>
		<age>18</age>
		<sex>female</sex>
	</student>

</students>

3 书写代码

    public static void main(String[] args) throws IOException {
        //1 获取student.xml文档的字节码文件，类加载器，获取文件路径
        String path = Jsoup02_Document04.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");        //2.获取Document对象
        //3.1 getElementsByTag(String tagName)：根据标签名称获取元素对象集合
        Elements elements = document.getElementsByTag("student");
        Element element = document.getElementsByTag("student").get(0);
        System.out.println("elements长度："+elements.size()+"\t");
        System.out.println("1获取elements:\n"+elements);
        System.out.println("--------------------\n"+"2获取element:\n"+element);
        //3.2 通过Element对象获取子标签对象
        Elements elements_name = element.getElementsByTag("name");
        System.out.println("--------------------\n"+"3获取elements_name:\n"+elements_name);
        //4  获取属性值				* String attr(String key)：根据属性名称获取属性值
        String id = elements_name.attr("id");//根据属性名称获取属性值
        System.out.println("--------------------\n"+"4根据属性名称获取属性值:\n"+id);
        //5 获取文本内容
        String text = elements_name.text();
        String html = elements_name.html();
        System.out.println("--------------------\n"+"5获取文本内容:\n"+text+"\n------\n"+html);
    }

3 xml快捷查询方式

xml快捷查询方式有两种方式：1使用jsoup的选择器查询 2 使用XPath查询

3.1 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

列：selector:实现查询

1 导包jsoup-1.11.2.jar

2 写student.xml文件

<?xml version="1.0" encoding="UTF-8" ?>

<students>
	<student number="aa_0001">
		<name id="aa_0001">
			<xing>张</xing>
			<ming>三</ming>
		</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	<student number="aa_0002">
		<name>jack</name>
		<age>18</age>
		<sex>female</sex>
	</student>

</students>

3 书写代码

    public static void main(String[] args) throws IOException {
        //1 获取student.xml文档的字节码文件，类加载器，获取文件路径
        String path = Jsoup04_selector.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");        //2.获取Document对象
        //3 查询name元素
        Elements elements_name = document.select("name");
        System.out.println(elements_name);
        System.out.println("---------------------------");
        //3.1 查询id值为aa_0001的元素
        Elements element_id = document.select("#aa_0001");
        System.out.println(element_id);
        System.out.println("---------------------------");
        //3.2 获取student标签并且number属性值为aa_0002
        Elements elements = document.select("student[number='aa_0002']");
        System.out.println(elements);
        System.out.println("---------------------------");
        // 3.3 获取student标签并且number属性值为aa_0002的age子标签
        Elements elements1 = document.select("student[number='aa_0002']>age");
        System.out.println(elements1);

    }

3.2 XPath查询

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
查询w3cshool参考手册，使用xpath的语法完成查询

列：XPath:实现查询

1 导包jsoup-1.11.2.jar JsoupXpath-0.3.2.jar

2 写student.xml文件

<?xml version="1.0" encoding="UTF-8" ?>

<students>
	<student number="aa_0001">
		<name id="aa_0001">
			<xing>张</xing>
			<ming>三</ming>
		</name>
		<age>18</age>
		<sex>male</sex>
	</student>
	<student number="aa_0002">
		<name>jack</name>
		<age>18</age>
		<sex>female</sex>
	</student>

</students>

3 书写代码

    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
        //1.获取student.xml的path
        String path = Jsoup05_XPath.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");
        System.out.println(jxNodes);
        System.out.println("---------------");
        //4.2查询所有student标签下的name标签
        List<JXNode> jxNodes1 = jxDocument.selN("//student/name");
        System.out.println(jxNodes1);
        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aa_0001
        List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");
        for (JXNode jxNode : jxNodes4) {
            System.out.println(jxNode);
        }