xml解析

* 操作xml文档
         1. 解析(读取)：将文档中的数据读取到内存中
         2. 写入：将内存中的数据保存到xml文档中。持久化的存储

      * 解析xml的方式：
         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
            * 优点：操作方便，可以对文档进行CRUD的所有操作
            * 缺点：占内存
         2. 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。

下面类主要介绍的Jsoup：

import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
import cn.wanghaomiao.xpath.model.JXDocument;
import cn.wanghaomiao.xpath.model.JXNode;
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;
import java.net.URL;
import java.util.Iterator;
import java.util.List;

/*
*         * 操作xml文档
            1. 解析(读取)：将文档中的数据读取到内存中
            2. 写入：将内存中的数据保存到xml文档中。持久化的存储

        * 解析xml的方式：
            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
                * 优点：操作方便，可以对文档进行CRUD的所有操作
                * 缺点：占内存
            2. 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。
*
* 下面类主要介绍的Jsoup
* */
public class MainxXml {
    public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
        testXpath();
    }

    /*
     * parse：解析html或xml文档，返回Document
     * 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
     * */
    public static void test() throws IOException {
        String path="E:\Java\01\Idea-test\src\com\myXml\schema\student.xml";
        Document doc = Jsoup.parse(new File(path),"utf-8");
        Elements elements = doc.getElementsByTag("name");
        System.out.println(elements.size());
        Element element = elements.get(0);
        System.out.println(element.text());

        URL url=new URL("https://www.baidu.com/?tn=sitehao123_15");
        Document doc1 = Jsoup.parse(url, 1000);
        System.out.println(doc1);
    }

    /*
     * 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
    * */
    public static void testGetElement() throws IOException {
        String path = MainxXml.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");

        //id是唯一的
        Element elementById = document.getElementById("001");
        System.out.println(elementById.text());

        Elements sex = document.getElementsByTag("sex");
        //Elements:是一个集合，使用迭代器来操作
        Iterator<Element> iterator = sex.iterator();
        while (iterator.hasNext()){
            Element next1 = iterator.next();
            System.out.println(next1.text());
        }

        Elements number = document.getElementsByAttribute("number");
        System.out.println(number);

    }

    /*
     *1. 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

     *2. 获取属性值
     *    String attr(String key)：根据属性名称获取属性值
     *3. 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)
    * */
    public static void testGetSubElement() throws IOException {
        String path = MainxXml.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");

        //id是唯一的
        Element elementById = document.getElementById("001");

        //获取的原始也可以作为一个文档对象
        Elements name = elementById.getElementsByTag("name");
        String text = name.text();
        System.out.println(text);
    }

    /*
    * 选择器查询：查询方式同css
    * */
    public static void testSelect() throws IOException {
        String path = MainxXml.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        Elements select = document.select("#001");
        Iterator<Element> iterator = select.iterator();
        while (iterator.hasNext()){
            Element next1 = iterator.next();
            System.out.println(next1.text());
        }
    }

    /*
    * Xpath:w3c定义的一种查找格式，语法可以查看xpath文档，比较通用
    * */
    public static void testXpath() throws IOException, XpathSyntaxErrorException {
        String path = MainxXml.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");

        JXDocument jxDocument = new JXDocument(document);
        List<JXNode> jxNodes = jxDocument.selN("//student[@id=001]");
        for (JXNode node :
                jxNodes) {
            System.out.println(jxNodes);
        }
    }
}