使用JAXP查询节点 | 学习笔记

简介: 快速学习使用JAXP查询节点

开发者学堂课程【XML入门使用JAXP查询节点】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/37/detail/850


使用 JAXP 查询节点

 

一、用 Java 代码创建步骤及操作

创建 XML 文件,根节点叫做 person,里面两个 p1 内容,并对它解析.

查询 XML 中所有的 name 元素的值,写出个 Java 代码,首先创建类,基于类开发。

在 src 下创建一个 new 中一个 Package 的一个包。在包里再创建一个类,在 new 中的 Class 中。类的名称首字母要大写。

查询所有 name 元素的值

步骤:1、创建解析器工厂

通过 DocumentBuilderFactor.NewInstance();创建。

2、根据解析器工厂创建解析器

通过 builderFactory.newDocumentBuilder();创建。

3、解析 XML 返回 document 执行 parse 方法得出 Document document=builder.parse(‘’src/person.xml”);。

4、得到所有的 name 元素

使用 getElement 得到所有 name 元素。

5、返回集合,遍历集合,得到每一个 name 元素

操作

1、遍历 getLength() item()得到元素里面的值使用 getTextContent() 。

2、创建解析器工厂:用到快捷键 at1/ 用作代码提示。

3、创建解析器:异常可以直接抛出去,谁调用谁处理。

解析 XML 返回 document:支持的包导入 w3c 的包。

得到 name 元素。

3、遍历集合:进行 for 语句。可得到每一个 name 元素。

得到 name 元素里的值。

4、createElement(String tagName)创建标签,createrTextNode(String date)创建文本,把文本添加在标签下面,removeChild(Node oldChild)删除节点,getParentNode()获取到父节点,

5、NodeList:getLength()得到集合的长度,item(int index)下标取到的具体的值

For(int i=0;i<list,getLength();i++) {    

List,item(i)

}

6、getTextContent():得到标签里面的内容,Sring 接收。

右击选择 Run As,选择 Java Application 进行运行,得到结果。

相关文章
|
4天前
|
人工智能 运维 安全
|
2天前
|
人工智能 异构计算
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
敬请锁定《C位面对面》,洞察通用计算如何在AI时代持续赋能企业创新,助力业务发展!
|
9天前
|
人工智能 JavaScript 测试技术
Qwen3-Coder入门教程|10分钟搞定安装配置
Qwen3-Coder 挑战赛简介:无论你是编程小白还是办公达人,都能通过本教程快速上手 Qwen-Code CLI,利用 AI 轻松实现代码编写、文档处理等任务。内容涵盖 API 配置、CLI 安装及多种实用案例,助你提升效率,体验智能编码的乐趣。
814 109
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
B站开源IndexTTS2,用极致表现力颠覆听觉体验
在语音合成技术不断演进的背景下,早期版本的IndexTTS虽然在多场景应用中展现出良好的表现,但在情感表达的细腻度与时长控制的精准性方面仍存在提升空间。为了解决这些问题,并进一步推动零样本语音合成在实际场景中的落地能力,B站语音团队对模型架构与训练策略进行了深度优化,推出了全新一代语音合成模型——IndexTTS2 。
410 9
|
3天前
|
人工智能 测试技术 API
智能体(AI Agent)搭建全攻略:从概念到实践的终极指南
在人工智能浪潮中,智能体(AI Agent)正成为变革性技术。它们具备自主决策、环境感知、任务执行等能力,广泛应用于日常任务与商业流程。本文详解智能体概念、架构及七步搭建指南,助你打造专属智能体,迎接智能自动化新时代。
|
4天前
|
机器学习/深度学习 传感器 算法
Edge Impulse:面向微型机器学习的MLOps平台——论文解读
Edge Impulse 是一个面向微型机器学习(TinyML)的云端MLOps平台,致力于解决嵌入式与边缘设备上机器学习开发的碎片化与异构性难题。它提供端到端工具链,涵盖数据采集、信号处理、模型训练、优化压缩及部署全流程,支持资源受限设备的高效AI实现。平台集成AutoML、量化压缩与跨硬件编译技术,显著提升开发效率与模型性能,广泛应用于物联网、可穿戴设备与边缘智能场景。
185 127