【Java 进阶篇】使用 Java 和 Jsoup 进行 XML 处理

我会带着你远行 2024-02-21 12:01 65阅读 0赞

![在这里插入图片描述][6f685c9361464936aec42b6ee3d40d32.png]

XML（可扩展标记语言）是一种常用的数据交换格式，它被广泛用于在不同系统之间传递和存储数据。Java作为一种强大的编程语言，提供了多种方式来处理XML数据。其中，Jsoup 是一个流行的Java库，用于解析和操作XML文档。本篇博客将详细介绍如何使用Java和Jsoup来处理XML数据，无论您是初学者还是有一定经验的开发者，都能受益匪浅。

### 什么是 Jsoup？ ###

Jsoup 是一个用于解析HTML和XML文档的Java库。尤其在网页抓取、数据提取和文档处理方面非常强大。它提供了一种简单的方式来遍历、搜索和修改文档树，使得XML处理变得非常容易。除了XML，Jsoup还支持HTML5，因此您可以用它来处理网页数据。

### 安装 Jsoup ###

要开始使用 Jsoup，您需要将它的库文件添加到您的Java项目中。您可以从 Jsoup 的[官方网站][Link 1]上下载最新的jar文件，然后将它添加到您的项目的类路径中。

如果您使用 Maven 作为项目构建工具，只需在您的 `pom.xml` 文件中添加以下依赖：

<dependency>
        <groupId>org.jsoup</groupId>
        <artifactId>jsoup</artifactId>
        <version>1.14.3</version> 
    </dependency>

现在，让我们开始使用 Jsoup 来处理 XML 数据。

### 使用 Jsoup 解析 XML ###

在这个示例中，我们将使用 Jsoup 来解析一个简单的 XML 文档。我们的 XML 文档如下：

<?xml version="1.0" encoding="UTF-8"?>
    <bookstore>
        <book>
            <title>Java Programming</title>
            <author>John Doe</author>
            <price>29.99</price>
        </book>
        <book>
            <title>Web Development with Jsoup</title>
            <author>Jane Smith</author>
            <price>19.95</price>
        </book>
    </bookstore>

让我们从头开始，首先导入 Jsoup 和其他必要的类：

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

然后，我们将加载上面的 XML 文档：

public class XmlParsingExample {
        
        public static void main(String[] args) {
        
            String xml = "<?xml version=\"1.0\" encoding=\"UTF-8\"?>" +
                         "<bookstore>" +
                         "    <book>" +
                         "        <title>Java Programming</title>" +
                         "        <author>John Doe</author>" +
                         "        <price>29.99</price>" +
                         "    </book>" +
                         "    <book>" +
                         "        <title>Web Development with Jsoup</title>" +
                         "        <author>Jane Smith</author>" +
                         "        <price>19.95</price>" +
                         "    </book>" +
                         "</bookstore>";
    
            Document doc = Jsoup.parse(xml);
        }
    }

现在，`doc` 包含了整个 XML 文档的内容。我们可以使用 Jsoup 来轻松地遍历和操作这个文档。

#### 获取根元素 ####

要获取根元素，我们可以使用 `doc` 的 `select` 方法并传入根元素的标签名，通常是 “bookstore”。

Element rootElement = doc.select("bookstore").first();

#### 获取子元素 ####

要获取子元素，我们可以使用 `select` 方法并传入子元素的标签名，如 “book”。

Elements bookElements = rootElement.select("book");

#### 获取元素内容 ####

要获取元素的文本内容，我们可以使用 `text()` 方法。

String title = bookElement.select("title").text();
    String author = bookElement.select("author").text();
    String price = bookElement.select("price").text();

现在，我们已经成功解析了 XML 数据并提取了相关信息。

### 使用 Jsoup 修改 XML ###

除了解析，Jsoup 也允许我们修改 XML 文档。例如，我们可以添加、修改或删除元素。让我们看一个添加新书籍的例子。

假设我们想要添加一本新书到我们的 XML 文档中。首先，我们创建一个新的 `Element`，设置它的标签名和文本内容：

Element newBook = new Element("book");
    newBook.appendChild(new Element("title").text("Data Structures in Java"));
    newBook.appendChild(new Element("author").text("Alice Johnson"));
    newBook.appendChild(new Element("price").text("24.95"));

然后，我们将这本新书添加到根元素中：

rootElement.appendChild(newBook);

最后，我们可以将整个文档转换为字符串：

String updatedXml = doc.outerHtml();

`updatedXml` 包含了已更新的 XML 数据。

### 使用 Jsoup 查询元素 ###

Jsoup 还提供了强大的元素查询功能，允许您根据各种条件来查找和选择元素。这对于从复杂的XML文档中提取特定数据非常有用。以下是一些常用的查询方法：

*  通过标签名查询元素：
    
        Elements elements = doc.select("tagname");
 *  通过类名查询元素：
    
        Elements elements = doc.select(".classname");
 *  通过属性查询元素：
    
        Elements elements = doc.select("[attribute=value]");
 *  通过多种条件组合查询元素：
    
        Elements elements = doc.select("tagname.classname[attribute=value]");

让我们通过一个示例来演示如何使用 Jsoup 查询元素。假设我们要找到所有价格低于 25 的书籍：

Elements cheapBooks = doc.select("book:has(price:matchesOwn(\\d+\\.\\d+))");

在上述示例中，我们使用 `select` 方法并传入查询条件 `"book:has(price:matchesOwn(\\d+\\.\\d+))"`。这个条件的含义是查找标签名为 “book” 的元素，其中包含名为 “price” 的元素，且价格匹配正则表达式 `\\d+\\.\\d+`，即匹配价格为小数形式的书籍。

然后，我们可以遍历 `cheapBooks` 集合来获取满足条件的书籍元素，以便进一步处理它们。

### 使用 Jsoup 处理 HTML ###

虽然本篇博客主要关注 XML 处理，但是 Jsoup 也是一种出色的 HTML 处理工具。它允许您解析和操作网页，从中提取有用的信息。

以下是一个简单的示例，演示如何使用 Jsoup 解析 HTML 页面并提取页面中的超链接：

import org.jsoup.nodes.Element;
    import org.jsoup.select.Elements;
    import java.io.IOException;
    
    public class HtmlParsingExample {
        
        public static void main(String[] args) {
        
            String url = "https://example.com"; // 替换为您要解析的网页地址
    
            try {
        
                Document doc = Jsoup.connect(url).get();
                Elements links = doc.select("a[href]");
    
                for (Element link : links) {
        
                    String href = link.attr("href");
                    String text = link.text();
                    System.out.println("Link: " + text + " (" + href + ")");
                }
            } catch (IOException e) {
        
                e.printStackTrace();
            }
        }
    }

在这个示例中，我们使用 `Jsoup.connect(url).get()` 来下载指定网页的内容，然后使用 `select` 方法查找所有带有 `href` 属性的超链接。最后，我们遍历链接并提取链接的文本和 URL。

### 高级用法 ###

Jsoup 还提供了许多高级功能，允许您进行更复杂的文档操作，包括：

*  **处理表单数据**：Jsoup 允许模拟表单提交和处理表单数据。
 *  **处理Cookie**：您可以设置和处理Cookie来模拟用户会话。
 *  **处理文件上传**：Jsoup 可以用于上传文件到Web服务器。
 *  **处理响应数据**：您可以使用 Jsoup 处理来自Web服务器的响应数据，例如处理 JSON 或 XML 数据。
 *  **爬取网页**：Jsoup 在网页抓取方面非常有用，您可以编写爬虫来提取网站上的信息。
 *  **过滤和清理HTML**：Jsoup 允许您清理和过滤HTML，以防止跨站脚本攻击。

### 安全注意事项 ###

当使用 Jsoup 处理来自不受信任源的数据时，请谨慎处理，以防止安全漏洞。Jsoup 有一些防范跨站脚本攻击（XSS）的功能，但您仍然需要小心处理来自用户的数据，以避免潜在的漏洞。

### 总结 ###

本篇博客介绍了如何使用 Java 和 Jsoup 来解析和处理XML数据。我们了解了如何加载、解析和操作XML文档，以及如何使用查询和选择功能来提取特定元素。此外，我们还提到了如何使用 Jsoup 处理HTML页面，以及一些高级用法和安全注意事项。

无论您是处理XML数据、抓取网页信息还是进行数据清理，Jsoup 都是一个功能强大且易于使用的工具。希望这篇博客对您有所帮助，让您更好地掌握如何在Java中处理XML和HTML数据。如果您有任何问题或需要进一步的指导，请随时提问。祝您在XML和HTML数据处理中取得成功！

<table> 
 <tbody> 
  <tr> 
   <td> <strong><font>作者信息</font></strong><br> <br> <font> 作者 ： 繁依Fanyi</font><br> <font>CSDN：</font> <a href="https://blog.csdn.net/qq_21484461?spm=1000.2115.3001.5343" rel="nofollow"><font>https://techfanyi.blog.csdn.net</font></a><br> <font>掘金：</font><a href="https://juejin.cn/user/4154386571867191" rel="nofollow"><font>https://juejin.cn/user/4154386571867191</font></a> </td> 
  </tr> 
 </tbody> 
</table>

[6f685c9361464936aec42b6ee3d40d32.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/02/21/d1dc3efd803f4e2180f996d2de169dcf.png
[Link 1]: https://jsoup.org/