XML系列（二）之 XML解析

一. java中配置文件的三种配置位置及读取方式

1.1 同包路径下

获取同包下的配置文件，将其转换为流对象。
将该对象加载到工具类中。

1.2 根目录下

在Java Reasources下的文件夹下

1.3 WEB-INF安全路径下

二. dem4j的使用

dom4j介绍
dom4j的项目地址：http://sourceforge.net/projects/dom4j/?source=directory

dom4j是一个简单的开源库，用于处理XML、 XPath和XSLT，它基于Java平台，使用Java的集合框架，全面集成了DOM，SAX和JAXP。
这里案例使用的是SAXreader。

2.1 selectNodes 获取标签

List selectNodes = read.selectNodes(“/students/student”);

2.2 selectSingleNode 获取单个标签

Element single = (Element) stuEle.selectSingleNode(“name”);

2.3 getText 获取文本内容

String text = single.getText();

2.4 attributeValue 获取标签的属性值

String attributeValue = stuEle.attributeValue(“sid”);

** 示例xml文件**

<?xml version="1.0" encoding="UTF-8"?>
<students>
	<student sid="s001">
		<name>小明</name>
	</student>
	<student sid="s002">
		<name>小芳</name>
	</student>
	<student sid='s003'>
		<name>小王</name>
	</student>
</students>

三. xpath的使用

XPath（全称：XML Path Language）即 XML 路径语言，它是一门在 XML 文档中查找信息的语言，最初被用来搜寻 XML 文档，同时它也适用于搜索 HTML 文档。因此，在爬虫过程中可以使用 XPath 来提取相应的数据。
案例： 同样的用到上面的students.xml，通过sid=s002查找到对应的姓名

这里是通过定位到配置文件的路径，根据属性拿到对应的名字。

xpath路径表达式

表达式	描述
node_name	选取此节点的所有子节点。
/	绝对路径匹配，从根节点选取。
//	相对路径匹配，从所有节点中查找当前选择的节点，包括子节点和后代节点，其第一个 / 表示根节点。
.	选取当前节点。
…	选取当前节点的父节点。
@	选取属性值，通过属性值选取数据。常用元素属性有 @id 、@name、@type、@class、@tittle、@href。