jsoup系列教材（一）- 简介

XML、HTML基础与解析：从入门到实践

最新推荐文章于 2023-12-29 10:04:36 发布

原创最新推荐文章于 2023-12-29 10:04:36 发布 · 50 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#java #开发语言

Java 专栏收录该内容

578 篇文章

订阅专栏

本文介绍了XML（可扩展标记语言）的概念，常见用途如web应用中的web.xml配置，以及与HTML的关系。重点讲解了XML解析的不同方式，包括Java内置的SAX/DOM和第三方工具DOM4J、JSoup，提供了使用JSoup解析HTML的示例代码。

步骤1:什么是xml
步骤2:常见的 xml
步骤3:什么是 html
步骤4:html 和 xml 的关系
步骤5:解析
步骤6:xml 的解析的几种方式
步骤7:jar
步骤8:示例
步骤9:可运行项目

步骤 1 : 什么是xml

xml 是可扩展标记语言的缩写： Extensible Markup Language。
举个例子就像下面这样：

<root>

<e1> text 1</e1>

</root>

步骤 2 : 常见的 xml

比如做 web 应用开发，需要配置 web.xml，就是个典型的 xml文件。
它里面就有这些元素： web-app, servlet, servlet-name, servlet-class 这些。

注：什么是元素？像这样的格式就是一个元素： <元素名称> 元素内容 </元素名称>。比如： <servlet-name>HelloServlet</servlet-name> 就是 servlet-name 元素。

<web-app>

<servlet>

<servlet-name>HelloServlet</servlet-name>

<servlet-class>HelloServlet</servlet-class>

</servlet>

<servlet-mapping>

<servlet-name>HelloServlet</servlet-name>

<url-pattern>/hello</url-pattern>

</servlet-mapping>

</web-app>

步骤 3 : 什么是 html

html 是 HyperText Markup Language的缩写,超文本标记语言。
下面这段就是一段 html。
不了解 html ，欢迎学习 html 系列教材：第一段html代码

<html>

<body>

Hello HTML

</body>

</html>

步骤 4 : html 和 xml 的关系

html 可以简单看成是 xml 的一个子集。 html 用的都是一些预先定义的元素，如 <html>, <a>, <body>, <table> 。而 xml 什么元素都可以自定义：如 <a> , , <aabb> 。

步骤 5 : 解析

既然 html 是 xml 的子集，那么解析起来就和 xml一样了，下面我们就来谈 xml的解析就可以了。

步骤 6 : xml 的解析的几种方式

1. java 本身自带对 xml 的解析。在 javax.xml 这个包下，非常难用，难用到想吐。这种方式叫做 sax/dom
2. 因为 java 自带的很难用，所以就出现了更方便的第三方工具 dom4j, 解析效率大大提高了。
3. 现在又出现了更方便的 jsoup, 我们就会讲解如何用 jsoup 来解析 xml。

步骤 7 : jar

jsoup 也是个第三方工具，所以要使用，首先要下载jar, 在下载区(点击进入)：jsoup-1.12.1.jar。

步骤 8 : 示例

一下代码，就可以把一段html：

<html><body>Hello HTML</body></html>

里的 p 元素的内容 Hello HTML 取出来了。

1. 把文本解析成 Document 对象， Document 对象就代表整个 xml 文档。

Document doc = Jsoup.parse(html);

2. 获取所有的 p 元素。

Elements as= doc.getElementsByTag("p");

3. 遍历所有的 p 元素（这里其实只有一个），打印其内容

for (Element e : as) {

System.out.println(e.text());