Java HTML解析器【jsoup】

jsoup:

jsoup实现WHATWG HTML5规范,并将HTML解析为与现代浏览器相同的DOM。
1.从URL,文件或字符串中抓取并解析 HTML
2、使用DOM遍历或CSS选择器查找和提取数据
3、处理 HTML元素,属性和文本
4、根据安全的白名单清除用户提交的内容,以防止XSS攻击
5、输出整洁的HTML

下载jar包:

下载并安装jsoup[官网下载地址Jsoup.jar](https://jsoup.org/download)
Maven地址:
	<dependency>
 		<groupId>org.jsoup</groupId>
		 <artifactId>jsoup</artifactId>
		<version>1.12.1</version>
</dependency>

文档地址[官方文档](https://jsoup.org/cookbook/introduction/parsing-a-document)

从字符串解析文档

String html = “First parse

  • Parsed HTML into a doc.

    ”;
    Document doc = Jsoup.parse(html);

解析身体片段

String html = “

Lorem ipsum.

”;
Document doc = Jsoup.parseBodyFragment(html);
Element body = doc.body();

使用Jsoup.parseBodyFragment(String html)方法。

从URL加载文档

您需要从网上获取并解析HTML文档,然后在其中查找数据(屏幕抓取)

使用Jsoup.connect(String url)方法:

Document doc = Jsoup.connect(“http://example.com/”).get();
String title = doc.title();

从文件加载文档

使用静态Jsoup.parse(File in, String charsetName, String baseUri)方法:

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, “UTF-8”, “http://example.com/”);

使用DOM方法浏览文档

将HTML解析为之后,请使用类似DOM的方法Document。

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();
}

修改资料

设置属性值

使用属性设置器方法Element.attr(String key, String value)和Elements.attr(String key, String value)。

如果需要修改class元素的属性,请使用Element.addClass(String className)和Element.removeClass(String className)方法。

清理HTML

清理不受信任的HTML(以防止XSS)

将jsoup HTML Cleaner用于由指定的配置Whitelist。

String unsafe =

Link

”;
String safe = Jsoup.clean(unsafe, Whitelist.basic());
// now:

Link

关键字API

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Java Jsoup是一个用于解析HTML文档的开源库。通过使用Jsoup,您可以轻松地从HTML文档中提取数据或进行数据操作。以下是使用Java Jsoup解析HTML的基本步骤: 1. 下载Jsoup库:您可以从Jsoup的官方网站(https://jsoup.org/)下载Jsoup库的最新版本。 2. 导入Jsoup库:将下载的Jsoup库的JAR文件导入到您的Java项目中。 3. 创建连接:使用Jsoup.connect()方法创建一个Connection对象,将HTML文档的URL作为参数传递给该方法。 4. 获取Document对象:使用Connection对象的get()方法获取一个Document对象,该对象表示整个HTML文档。 5. 使用选择器进行数据提取:使用Jsoup的选择器语法,您可以根据HTML元素的标签、类名、ID等属性来选择和提取数据。 以下是一个基本的Java Jsoup解析HTML的示例代码: ```java import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; public class HtmlParser { public static void main(String[] args) { try { // 创建连接 Connection connection = Jsoup.connect("http://example.com"); // 获取Document对象 Document document = connection.get(); // 使用选择器提取数据 Elements links = document.select("a[href]"); for (Element link : links) { System.out.println("Link: " + link.attr("href")); System.out.println("Text: " + link.text()); } } catch (IOException e) { e.printStackTrace(); } } } ``` 这个示例代码将从"http://example.com"网页中提取所有链接的URL和文本,并打印出来。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

知青先生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值