本文共 3424 字，大约阅读时间需要 11 分钟。

Jsoup 解析工具使用说明

1. parse 对象

Jsoup 提供了 parse 方法用于解析 HTML 或 XML 文档，返回 Document 对象。该方法支持多种输入格式：

• parse(File in, String charsetName)：解析指定文件的 XML 或 HTML 文档。
• parse(String html)：解析提供的 HTML 或 XML 字符串。
• parse(URL url, int timeoutMillis)：通过网络路径获取指定文档。

以下是使用 parse 方法的示例：

public class JsoupDemo {
    public static void main(String[] args) throws Exception {
        // 获取学生信息 XML 文件路径
        String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
        // 解析 XML 文档
        Document document = Jsoup.parse(new File(path), "utf-8");
        // 打印解析结果
        System.out.println(document);
    }
}

2. Document 对象

解析完成后，会返回一个 Document 对象，该对象表示内存中的 DOM 树。Document 对象提供了多种方法来获取元素：

• 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集合。
• getElementsByAttribute(String key)：根据属性名称获取元素集合。
• getElementsByAttributeValue(String key, String value)：根据属性名和属性值获取元素集合。

以下是使用 Document 对象的示例：

public class JsoupDemo {
    public static void main(String[] args) throws Exception {
        String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        // 获取第一个学生元素
        Element elementStudent = document.getElementsByTag("student").get(0);
        // 获取学生的 id 属性
        String studentId = elementStudent.attr("id");
        // 获取学生的姓名
        Elements nameElements = elementStudent.getElementsByTag("name");
        String name = nameElements.text();
        System.out.println("学生 ID: " + studentId + "\n学生姓名: " + name);
    }
}

3. Element 对象

Element 对象代表的是 DOM 中的一个具体元素。它提供了多种方法来获取子元素及属性信息：

• 获取子元素：

  • getElementById(String id)：返回具有指定 id 的唯一元素。
  • getElementsByTag(String tagName)：返回所有具有指定标签的元素集合。
  • getElementsByAttribute(String key)：返回所有具有指定属性的元素集合。
  • getElementsByAttributeValue(String key, String value)：返回所有具有指定属性名和属性值的元素集合。

• 获取属性值：

  • String attr(String key)：根据属性名获取对应的属性值。

• 获取内容：

  • String text()：获取元素内嵌的文本内容。
  • String html()：获取元素内嵌的 HTML 标签内容，包括标签本身的字符串内容。

以下是使用 Element 对象的示例：

public class JsoupDemo {
    public static void main(String[] args) throws Exception {
        String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        // 获取第一个学生元素
        Element elementStudent = document.getElementsByTag("student").get(0);
        // 获取学生的 id 属性
        String studentId = elementStudent.attr("id");
        // 获取学生的姓名
        Elements nameElements = elementStudent.getElementsByTag("name");
        String name = nameElements.text();
        System.out.println("学生 ID: " + studentId + "\n学生姓名: " + name);
    }
}

4. Node 对象

Node 是 Document 和 Element 的父类类，它表示 DOM 中的节点。Node 对象提供了获取子节点的方法，包括：

• getChildNodes()：返回 Element 对象的所有子节点。
• getChildren()：返回 Element 对象的所有直接子节点。

以下是使用 Node 对象的示例：

public class JsoupDemo {
    public static void main(String[] args) throws Exception {
        String path = JsoupDemo.class.getClassLoader().getResource("student.xml").getPath();
        Document document = Jsoup.parse(new File(path), "utf-8");
        // 获取第一个学生元素
        Element elementStudent = document.getElementsByTag("student").get(0);
        // 获取学生的子节点
        List
   
     childNodes = elementStudent.getChildNodes();
        for (Node node : childNodes) {
            System.out.println("节点类型: " + node.getClass().getName());
        }
    }
}
   

通过以上方法，可以轻松解析和操作 HTML 或 XML 文档，获取所需的元素信息并进行操作。