标签：
android中网络请求回来数据之后，我们要对其解析。请求的返回的结果格式如果不是自定义协议；那么返回的数据通常是xml，json，html形式的数据了。
下面就是针对上面3种格式进行解析。
xml解析使用工具：在android中推荐使用pull解析，还有其他的dom,sax解析。
json解析使用工具：推荐使用Fastjson，由阿里提供。还有其他的如JackSon,Gson解析。
html解析使用工具：推荐使用Jsoup,还有其他的如HtmlParser;关于使用这个，网络上的爬虫就是这样子的。
//android推荐的解析方式
public class PULL {
public static List<Person> pullXML() throws Exception {
// 获取person文件的输入流
InputStream is = PULL.class.getClassLoader().getResourceAsStream(
"person.xml");
// 用来存放解析的person对象
List<Person> persons = null;
// 一个标记
boolean flag = false;
Person person = null;
// 实例化一个XmlPullParser对象
XmlPullParser parser = Xml.newPullParser();
// 设置输入流的编码
parser.setInput(is, "UTF-8");
// 设置第一个事件，从这个事件开始解析文档
int eventCode = parser.getEventType();
// 设定结束标记，如果是END_DOCUEMNT,解析就结束了
while (eventCode != XmlPullParser.END_DOCUMENT) {
switch (eventCode) {
case XmlPullParser.START_DOCUMENT:
// 开始解析的时候我们一般做一些初始化的操作
persons = new ArrayList<Person>();
break;
case XmlPullParser.START_TAG:
// 判断当前的元素是否是需要检索的元素
if ("person".equals(parser.getName())) {
flag = true;
person = new Person();
//"person"节点的第一个属性值
person.setId(Integer.valueOf(parser.getAttributeValue(0)));
}
if (flag) { // 为检索的元素赋值
if ("name".equals(parser.getName())) {
//"name"节点后的值
person.setName(parser.nextText());
} else if ("age".equals(parser.getName())) {
person.setAge(Integer.valueOf(parser.nextText()));
}
}
break;
case XmlPullParser.END_TAG: // 结束标签，判断一个对象是否结束，结束后添加到集合中
if ("person".equals(parser.getName()) && person != null) {
flag = false;
persons.add(person);
person = null;
}
break;
}
// 这一步很重要，该方法返回一个事件码，也是触发下一个事件的方法
eventCode = parser.next(); // 取下个标签
}
return persons;
}
}
public class DOM {
public static List<Person> domXML() throws Throwable {
// 获得xml文件的输入流
InputStream is = MainActivity.class.getClassLoader()
.getResourceAsStream("person.xml");
List<Person> persons = new ArrayList<Person>();
// 定义一个工厂API，程序可以从这个API里得到一个能够从XML文档中产生DOM对象的解析器- 翻译的不好
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
Document document = builder.parse(is);
// 返回文档的根元素
Element rootElement = (Element) document.getDocumentElement();
// 获取一个Node集合
NodeList nodes = rootElement.getElementsByTagName("person");
// 遍历Node集合
for (int i = 0; i < nodes.getLength(); i++) {
Element personElement = (Element) nodes.item(i);
Person person = new Person();
person.setId(Integer.valueOf(personElement.getAttribute("id")));
NodeList childNodes = personElement.getChildNodes();
for (int j = 0; j < childNodes.getLength(); j++) {
Node childNode = childNodes.item(j);
// 判断子Note的类型为元素Note
if (childNode.getNodeType() == Node.ELEMENT_NODE) {
Element childElement = (Element) childNode;
if ("name".equals(childElement.getNodeName())) {
person.setName(childElement.getFirstChild()
.getNodeValue());
} else if ("age".equals(childElement.getNodeName())) {
person.setAge(Integer.valueOf(childElement
.getFirstChild().getNodeValue()));
}
}
}
persons.add(person);
}
return persons;
}
}
public class SAX extends DefaultHandler {
public static List<Person> sax_XML() throws Exception {
InputStream inputStream = MainActivity.class.getClassLoader()
.getResourceAsStream("person.xml");
if (inputStream != null) {
Log.d("inputStream", inputStream + "");
} else {
Log.e("inputStream", inputStream + "为空");
}
SAX saXforHandler = new SAX();
SAXParserFactory spf = SAXParserFactory.newInstance();
SAXParser saxParser = spf.newSAXParser();
saxParser.parse(inputStream, saXforHandler);
List<Person> list = saXforHandler.getPersons();
inputStream.close();
return list;
}
/**
* This is log.d TAG
*/
private static final String TAG = "SAXTag";
/**
* Store persons 存储人数组
*/
private List<Person> persons;
/**
* a Person
*/
private Person person;
/**
* recode the name of current tag
*/
private String tag;
/**
* When startDocument,you can initial something in this method
* 当文档开始时，会调用这个方法
*/
@Override
public void startDocument() throws SAXException {
persons = new ArrayList<Person>();
Log.d(TAG, "the sax is starting");
}
/**
* invoke the method after endDocument 文档结束时会调用这个方法
*/
@Override
public void endDocument() throws SAXException {
Log.d(TAG, "endDocument");
}
/**
* invoke when startElement 开始读取元素时候调用这个方法
*/
@Override
public void startElement(String uri, String localName, String qName,
Attributes attributes) throws SAXException {
if ("person".equals(localName)) {
for (int i = 0; i < attributes.getLength(); i++) {
Log.d(TAG, "attributes.getLength" + attributes.getLength());
Log.d(TAG, "attributesName: " + attributes.getLocalName(i)
+ "_attributesValue" + attributes.getValue(i));
person = new Person();
person.setId(Integer.valueOf(attributes.getValue(i)));
}
}
tag = localName;
Log.i(TAG, "localName = " + localName);
}
/**
* read the element content 读取元素里面的内容。 比如说读到age,age的内容是21.这个方法就是来读21的
*/
@Override
public void characters(char[] ch, int start, int length)
throws SAXException {
String data = new String(ch, start, length).trim();
if (!"".equals(data)) {
Log.i(TAG, "Content: " + data);
}
if ("name".equals(tag)) {
person.setName(data);
} else if ("age".equals(tag)) {
person.setAge(Integer.valueOf(data));
}
}
/**
* 一个元素结束时候调用 就是遇到反斜杠时候调用
*/
@Override
public void endElement(String uri, String localName, String qName)
throws SAXException {
if ("person".equals(localName) && person != null) {
persons.add(person);
person = null;
}
tag = null;
}
private List<Person> getPersons() {
return persons;
}
}
/**
*
*
* JSON.toJSONString；用于将实体类对象或实体集合转为Json格式字符
* JSON.parseObject，JSON.parseArray用于将json格式字符转为实体对象或实体集合
*
* 类似的实体与JSON格式之间的转换工具还有Gson,JackSon;
*
* @author ZhangSheng
*
*/
public class FastJson {
private static String TAG = "FastJson";
/**
* 将实体对象或集合转为jsonsString
*
* @param object
* @return
*/
public static String toJsonString(Object object) {
return JSON.toJSONString(object);
}
/**
* 将jsonString转为实体对象
*
* @param text
* @param clazz
* @return
*/
public static <T> T parseObject(String text, Class<T> clazz) {
T object = JSON.parseObject(text, clazz);
return object;
}
/**
* 将jsonString转为实体集合
*
* @param text
* @param clazz
* @return
*/
public static <T> List<T> parseArray(String text, Class<T> clazz) {
List<T> array = JSON.parseArray(text, clazz);
return array;
}
/****************************** 测试 ***************************************/
public static void test() {
StudentInfo studentInfo1 = new StudentInfo("11", "11", 11);
StudentInfo studentInfo2 = new StudentInfo("11", "11", 11);
List<StudentInfo> students = new ArrayList<>();
students.add(studentInfo1);
students.add(studentInfo2);
ClassInfo classInfo = new ClassInfo("1", "1", students);
String students_Str = FastJson.toJsonString(students);
Log.d(TAG, "students_Str=" + students_Str + "\n\n");
String studentInfo_Str = FastJson.toJsonString(studentInfo1);
String classInfo_Str = FastJson.toJsonString(classInfo);
Log.d(TAG, "studentInfo_Str=" + studentInfo_Str + "\n classInfo_Str="
+ classInfo_Str);
StudentInfo parseObject = FastJson.parseObject(studentInfo_Str,
StudentInfo.class);
Log.d(TAG, "studentInfo=" + parseObject + "\n\n");
List<StudentInfo> parseArray = FastJson.parseArray(students_Str, StudentInfo.class);
Log.d(TAG, "StudentInfos=" + parseArray + "\n\n");
}
public static class StudentInfo {
public String id;
public String name;
public int age;
public StudentInfo() {
super();
}
public StudentInfo(String id, String name, int age) {
super();
this.id = id;
this.name = name;
this.age = age;
}
@Override
public String toString() {
return "StudentInfo [id=" + id + ", name=" + name + ", age=" + age
+ "]";
}
}
public static class ClassInfo {
public String id;
public String name;
public List<StudentInfo> students;
public ClassInfo(String id, String name, List<StudentInfo> students) {
super();
this.id = id;
this.name = name;
this.students = students;
}
public ClassInfo() {
super();
}
@Override
public String toString() {
return "ClassInfo [id=" + id + ", name=" + name + ", students="
+ students + "]";
}
}
}
<p>Jsoup相关内容：涉及到html数据的输入，从html中抽取数据，修改html中的数据这三个部分。</p><h4>html数据的输入:</h4>
1.解析一个Html字符串：
使用静态Jsoup.parse(String html) 方法或 Jsoup.parse(String html, String baseUri)
如：
String html = "<html><head><title>First parse</title></head>"
+ "<body><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
另一个方法提供的参数 baseUri 是用来将相对 URL 转成绝对URL；
一旦拥有了一个Document，你就可以使用Document中适当的方法或它父类 Element和Node中的方法来取得相关数据
2.解析一个body片段：
假如你有一个HTML片断 (比如. 一个 div 包含一对 p 标签; 一个不完整的HTML文档) 想对它进行解析。
使用Jsoup.parseBodyFragment(String html)
String html = "<div><p>Lorem ipsum.</p>";
Document doc = Jsoup.parseBodyFragment(html);
Element body = doc.body();
使用Document.body()方法能够取得文档body元素的所有子元素，与 doc.getElementsByTag("body")相同。
3.从一个网站Url上加载一个Document:
使用Jsoup.connect(String url)
如：
Document doc = Jsoup.connect("http://example.com/").get();
String title = doc.title();
或者使用
该方法，只支持http和https协议；
Document doc = Jsoup.connect("http://example.com")
.data("query", "Java")
.userAgent("Mozilla")
.cookie("auth", "token")
.timeout(3000)
.post();
4.加载本地硬盘上的html文件：
使用Jsoup.parse(File in, String charsetName, String baseUri)
baseUri 参数用于解决文件中URLs是相对路径的问题。如果不需要可以传入一个空的字符串。
另外还有一个方法Jsoup.parse(File in, String charsetName)
它使用文件的路径做为 baseUri, 这个方法适用于如果被解析文件位于网站的本地文件系统，且相关链接也指向该文件系统。
如：
File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
<h4>html数据的抽取:</h4>1.使用dom方法来遍历一个document：
经过上面的数据的输入之后，我们可以获取到一个document对象。之后我们将对这个对象做数据抽取；
基本代码如下：这是是一个本地html文件抽取：
File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
Element content = doc.getElementById("content");
Elements links = content.getElementsByTag("a");
for (Element link : links) {
String linkHref = link.attr("href");
String linkText = link.text();
}
下面是一些常见的方法：
查找元素
getElementById(String id)
getElementsByTag(String tag)
getElementsByClass(String className)
getElementsByAttribute(String key) (and related methods)
Element siblings: siblingElements(), firstElementSibling(), lastElementSibling(); nextElementSibling(), previousElementSibling()
Graph: parent(), children(), child(int index)
元素数据
attr(String key)获取属性attr(String key, String value)设置属性
attributes()获取所有属性
id(), className() and classNames()
text()获取文本内容text(String value) 设置文本内容
html()获取元素内HTMLhtml(String value)设置元素内的HTML内容
outerHtml()获取元素外HTML内容
data()获取数据内容（例如：script和style标签)
tag() and tagName()
操作HTML和文本
append(String html), prepend(String html)
appendText(String text), prependText(String text)
appendElement(String tagName), prependElement(String tagName)
html(String value)
2.使用选择器语法来查找元素：
使用Element.select(String selector) 和 Elements.select(String selector)
如：
File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
Elements links = doc.select("a[href]"); //带有href属性的a元素
Elements pngs = doc.select("img[src$=.png]");
//扩展名为.png的图片
Element masthead = doc.select("div.masthead").first();
//class等于masthead的div标签
Elements resultLinks = doc.select("h3.r > a"); //在h3元素之后的a元素
说明
jsoup elements对象支持类似于CSS (或jquery)的选择器语法，来实现非常强大和灵活的查找功能。.
这个select 方法在Document, Element,或Elements对象中都可以使用。且是上下文相关的，因此可实现指定元素的过滤，或者链式选择访问。
Select方法将返回一个Elements集合，并提供一组方法来抽取和处理结果。
Selector选择器概述
tagname: 通过标签查找元素，比如：a
ns|tag: 通过标签在命名空间查找元素，比如：可以用 fb|name 语法来查找 <fb:name> 元素
#id: 通过ID查找元素，比如：#logo
.class: 通过class名称查找元素，比如：.masthead
[attribute]: 利用属性查找元素，比如：[href]
[^attr]: 利用属性名前缀来查找元素，比如：可以用[^data-] 来查找带有HTML5 Dataset属性的元素
[attr=value]: 利用属性值来查找元素，比如：[width=500]
[attr^=value], [attr$=value], [attr*=value]: 利用匹配属性值开头、结尾或包含属性值来查找元素，比如：[href*=/path/]
[attr~=regex]: 利用属性值匹配正则表达式来查找元素，比如： img[src~=(?i)\.(png|jpe?g)]
*: 这个符号将匹配所有元素
Selector选择器组合使用
el#id: 元素+ID，比如： div#logo
el.class: 元素+class，比如： div.masthead
el[attr]: 元素+class，比如： a[href]
任意组合，比如：a[href].highlight
ancestor child: 查找某个元素下子元素，比如：可以用.body p 查找在"body"元素下的所有 p元素
parent > child: 查找某个父元素下的直接子元素，比如：可以用div.content > p 查找 p 元素，也可以用body > * 查找body标签下所有直接子元素
siblingA + siblingB: 查找在A元素之前第一个同级元素B，比如：div.head + div
siblingA ~ siblingX: 查找A元素之前的同级X元素，比如：h1 ~ p
el, el, el:多个选择器组合，查找匹配任一选择器的唯一元素，例如：div.masthead, div.logo
伪选择器selectors
:lt(n): 查找哪些元素的同级索引值（它的位置在DOM树中是相对于它的父节点）小于n，比如：td:lt(3) 表示小于三列的元素
:gt(n):查找哪些元素的同级索引值大于n，比如： div p:gt(2)表示哪些div中有包含2个以上的p元素
:eq(n): 查找哪些元素的同级索引值与n相等，比如：form input:eq(1)表示包含一个input标签的Form元素
:has(seletor): 查找匹配选择器包含元素的元素，比如：div:has(p)表示哪些div包含了p元素
:not(selector): 查找与选择器不匹配的元素，比如： div:not(.logo) 表示不包含 class=logo 元素的所有 div 列表
:contains(text): 查找包含给定文本的元素，搜索不区分大不写，比如： p:contains(jsoup)
:containsOwn(text): 查找直接包含给定文本的元素
:matches(regex): 查找哪些元素的文本匹配指定的正则表达式，比如：div:matches((?i)login)
:matchesOwn(regex): 查找自身包含文本匹配指定正则表达式的元素
注意：上述伪选择器索引是从0开始的，也就是说第一个元素索引值为0，第二个元素index为1等
可以查看Selector API参考来了解更详细的内容
3.抽取元素属性，文本，html
要取得一个属性的值，可以使用Node.attr(String key) 方法
对于一个元素中的文本，可以使用Element.text()方法
对于要取得元素或属性中的HTML内容，可以使用Element.html(), 或 Node.outerHtml()方法
如：
String html = "<p>An <a href='http://example.com/'><b>example</b></a> link.</p>";
Document doc = Jsoup.parse(html);//解析HTML字符串返回一个Document实现
Element link = doc.select("a").first();//查找第一个a元素
String text = doc.body().text(); // "An example link"//取得字符串中的文本
linkHref = link.attr("href"); // "http://example.com/"//取得链接地址
String linkText = link.text(); // "example""//取得链接地址中的文本
String linkOuterH = link.outerHtml();
// "<a href="http://example.com"><b>example</b></a>"
String linkInnerH = link.html(); // "<b>example</b>"//取得链接内的html内容
说明
上述方法是元素数据访问的核心办法。此外还其它一些方法可以使用：
Element.id()
Element.tagName()
Element.className() and Element.hasClass(String className)
这些访问器方法都有相应的setter方法来更改数据.
4.处理URLs:
在你解析文档时确保有指定base URI，然后使用 abs: 属性前缀来取得包含base URI的绝对路径
如：
Document doc = Jsoup.connect("http://www.open-open.com").get();
Element link = doc.select("a").first();
String relHref = link.attr("href"); // == "/"
String absHref = link.attr("abs:href"); // "http://www.open-open.com/"
<h4>Html数据的修改：</h4>1.设置属性的值：
使用 Element.attr(String key, String value), 和 Elements.attr(String key, String value).
Element.addClass(String className) 和 Element.removeClass(String className) 方法。
如：
doc.select("div.masthead").attr("title", "jsoup").addClass("round-box");
2.设置一个元素的Html内容：
Element.html(String html) 这个方法将先清除元素中的HTML内容，然后用传入的HTML代替。
Element.prepend(String first) 和 Element.append(String last) 方法用于在分别在元素内部HTML的前面和后面添加HTML内容
Element.wrap(String around) 对元素包裹一个外部HTML内容。
如：
Element div = doc.select("div").first(); // <div></div>
div.html("<p>lorem ipsum</p>"); // <div><p>lorem ipsum</p></div>
div.prepend("<p>First</p>");//在div前添加html内容
div.append("<p>Last</p>");//在div之后添加html内容
// 添完后的结果: <div><p>First</p><p>lorem ipsum</p><p>Last</p></div>
Element span = doc.select("span").first(); // <span>One</span>
span.wrap("<li><a href='http://example.com/'></a></li>");
// 添完后的结果: <li><a href="http://example.com"><span>One</span></a></li>
3.设置一个元素的文本内容：
Element.text(String text) 将清除一个元素中的内部HTML内容，然后提供的文本进行代替
Element.prepend(String first) 和 Element.append(String last) 将分别在元素的内部html前后添加文本节点。
对于传入的文本如果含有像 <, > 等这样的字符，将以文本处理，而非HTML。
如：
Element div = doc.select("div").first(); // <div></div>
div.text("five > four"); // <div>five > four</div>
div.prepend("First ");
div.append(" Last");
// now: <div>First five > four Last</div>
<h4>最后是一个获取所有链接的例子：</h4>/**
* Example program to list links from a URL.
*/
public class ListLinks {
public static void main(String[] args) throws IOException {
Validate.isTrue(args.length == 1, "usage: supply url to fetch");
String url = args[0];
print("Fetching %s...", url);
Document doc = Jsoup.connect(url).get();
Elements links = doc.select("a[href]");
Elements media = doc.select("[src]");
Elements imports = doc.select("link[href]");
print("\nMedia: (%d)", media.size());
for (Element src : media) {
if (src.tagName().equals("img"))
print(" * %s: <%s> %sx%s (%s)",
src.tagName(), src.attr("abs:src"), src.attr("width"), src.attr("height"),
trim(src.attr("alt"), 20));
else
print(" * %s: <%s>", src.tagName(), src.attr("abs:src"));
}
print("\nImports: (%d)", imports.size());
for (Element link : imports) {
print(" * %s <%s> (%s)", link.tagName(),link.attr("abs:href"), link.attr("rel"));
}
print("\nLinks: (%d)", links.size());
for (Element link : links) {
print(" * a: <%s> (%s)", link.attr("abs:href"), trim(link.text(), 35));
}
}
private static void print(String msg, Object... args) {
System.out.println(String.format(msg, args));
}
private static String trim(String s, int width) {
if (s.length() > width)
return s.substring(0, width-1) + ".";
else
return s;
}
}
标签：
原文地址：http://blog.csdn.net/baidu_26994091/article/details/51747411
