JSOUP初探

最新推荐文章于 2024-05-15 15:36:46 发布
最新推荐文章于 2024-05-15 15:36:46 发布
阅读量9.6k 收藏 8
点赞数
分类专栏： Jsoup 文章标签： javascript html 百度 url string input
 

JSOUP是偶然看到的一个处理HTML的JAVA 类库，其官方网址是：http://jsoup.org/

1、编写相关的试用程序（只需要在工程中引用jsoup-1.3.3.jar即可）：

import java.io.File;
import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

public class Test {
	public static void main(String[] args) {
		Test t = new Test();
		t.parseFile();
	}

	public void parseString() {
		String html = "<html><head><title>blog</title></head><body οnlοad='test()'><p>Parsed HTML into a doc.</p></body></html>";
		Document doc = Jsoup.parse(html);
		System.out.println(doc);
		Elements es = doc.body().getAllElements();
		System.out.println(es.attr("onload"));
		System.out.println(es.select("p"));
	}

	public void parseUrl() {
		try {
			Document doc = Jsoup.connect("http://www.baidu.com/").get();
			Elements hrefs = doc.select("a[href]");
			System.out.println(hrefs);
			System.out.println("------------------");
			System.out.println(hrefs.select("[href^=http]"));
		} catch (IOException e) {
			e.printStackTrace();
		}
	}

	public void parseFile() {
		try {
			File input = new File("input.html");
			Document doc = Jsoup.parse(input, "UTF-8");
			// 提取出所有的编号
			Elements codes = doc.body().select("td[title^=IA] > a[href^=javascript:view]");
			System.out.println(codes);
			System.out.println("------------------");
			System.out.println(codes.html());
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
}


 

2、parseString的输出：

<html>
 <head>
  <title>blog</title>
 </head>
 <body οnlοad="test()">
  <p>Parsed HTML into a doc.</p>
 </body>
</html>
test()

<p>Parsed HTML into a doc.</p>


 

3、parseUrl的输出：

<a href="/gaoji/preferences.html">设置</a>
<a href="http://passport.baidu.com/?login&tpl=mn">登录</a>
<a href="http://news.baidu.com">新 闻</a>
<a href="http://tieba.baidu.com">贴 吧</a>
<a href="http://zhidao.baidu.com">知 道</a>
<a href="http://mp3.baidu.com">MP3</a>
<a href="http://image.baidu.com">图 片</a>
<a href="http://video.baidu.com">视 频</a>
<a href="http://map.baidu.com">地 图</a>

<a href="#" name="ime_hw">手写</a>

<a href="#" name="ime_py">拼音</a>

<a href="#" name="ime_cl">关闭</a>
<a href="http://hi.baidu.com">空间</a>
<a href="http://baike.baidu.com">百科</a>
<a href="http://www.hao123.com">hao123</a>
<a href="/more/">更多>></a>
<a id="st" οnclick="this.style.behavior='url(#default#homepage)';this.setHomePage('http://www.baidu.com')" href="http://utility.baidu.com/traf/click.php?id=215&url=http://www.baidu.com">把百度设为主页</a>
<a href="http://e.baidu.com/?refer=888">加入百度推广</a>
<a href="http://top.baidu.com">搜索风云榜</a>
<a href="http://home.baidu.com">关于百度</a>
<a href="http://ir.baidu.com">About Baidu</a>
<a href="/duty/">使用百度前必读</a>
<a href="http://www.miibeian.gov.cn" target="_blank">京ICP证030173号</a>
------------------
<a href="http://passport.baidu.com/?login&tpl=mn">登录</a>
<a href="http://news.baidu.com">新 闻</a>
<a href="http://tieba.baidu.com">贴 吧</a>
<a href="http://zhidao.baidu.com">知 道</a>
<a href="http://mp3.baidu.com">MP3</a>
<a href="http://image.baidu.com">图 片</a>
<a href="http://video.baidu.com">视 频</a>
<a href="http://map.baidu.com">地 图</a>
<a href="http://hi.baidu.com">空间</a>
<a href="http://baike.baidu.com">百科</a>
<a href="http://www.hao123.com">hao123</a>
<a id="st" οnclick="this.style.behavior='url(#default#homepage)';this.setHomePage('http://www.baidu.com')" href="http://utility.baidu.com/traf/click.php?id=215&url=http://www.baidu.com">把百度设为主页</a>
<a href="http://e.baidu.com/?refer=888">加入百度推广</a>
<a href="http://top.baidu.com">搜索风云榜</a>
<a href="http://home.baidu.com">关于百度</a>
<a href="http://ir.baidu.com">About Baidu</a>
<a href="http://www.miibeian.gov.cn" target="_blank">京ICP证030173号</a>


 

3、parseFile的输出：

<a href="javascript:view('67530','67530','0');">IA100908-002</a>

<a href="javascript:view('67529','67529','0');">IA100908-001</a>

<a href="javascript:view('67544','67544','0');">IA100908-016</a>

<a href="javascript:view('67364','67364','0');">IA100903-008</a>

<a href="javascript:view('67363','67363','0');">IA100903-007</a>

<a href="javascript:view('66104','66104','0');">IA100710-013</a>

<a href="javascript:view('57916','57916','0');">IA100515-013</a>

<a href="javascript:view('56962','56962','0');">IA100430-022</a>

<a href="javascript:view('66958','66958','0');">IA100830-001</a>

<a href="javascript:view('66319','66319','0');">IA100713-003</a>

<a href="javascript:view('66317','66317','0');">IA100713-001</a>

<a href="javascript:view('66321','66321','0');">IA100713-005</a>

<a href="javascript:view('66967','66967','0');">IA100830-010</a>

<a href="javascript:view('66999','66999','0');">IA100831-001</a>

<a href="javascript:view('67377','67377','0');">IA100904-004</a>

<a href="javascript:view('67378','67378','0');">IA100904-005</a>

<a href="javascript:view('3271','3271','0');">IA080115-031</a>
------------------
IA100908-002
IA100908-001
IA100908-016
IA100903-008
IA100903-007
IA100710-013
IA100515-013
IA100430-022
IA100830-001
IA100713-003
IA100713-001
IA100713-005
IA100830-010
IA100831-001
IA100904-004
IA100904-005
IA080115-031


补充下，input.html的基本结果如图：

a9529lty
关注
  • 0
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Jsoup
08-31
Jsoup的核心功能包括： 1. HTML解析：Jsoup能够解析各种各样的HTML源码，无论是干净的结构化HTML还是充满乱七八糟标签的真实网页。它能处理HTML5和HTML4，甚至一些常见的错误格式也能被正确解析。 2. DOM操作：...
Jsoup 简介与入门
星辰火之梦
01-28 730
Jsoup简介 Jsoup是一个Java的HTML下载和解析工具，相当于Python的爬虫，用好了，基本能实现Python爬虫的功能。Jsoup中，主要操作两个类：Document和Element。Document主要指代对象是网页文档，Element主要指代对象是网页文档中的各个Tag标签抽象出来的节点。 Jsoup基本使用过程 1.下载网页得到Document对象 2.利用Element的方法...
Jsoup方法
qq_41998938的博客
08-03 1113
1.通过Jsoup来解析xml的步骤 1.导入jar包 2.获取Document对象 3.获取对应的标签Element对象 4.获取数据 代码如下： Demo1.java package main.java; import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; impor...
Java爬虫利器：Jsoup详细介绍与用法_java jsoup(1)
最新发布
2301_82244006的博客
05-15 312
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。工具都帮大家整理好了，安装就可直接上手！当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
Java学习笔记：爬虫-用Jsoup解析网页
薛定谔的猫
10-02 1949
兄弟遍历方法siblingElements(),firstElementSibling(),lastElementSibling();Documentdoc=Jsoup.connect(“https//www.youzack.com/”).get();层级之间遍历parent(),children(),child(intindex)1、爬虫程序代替人的人工操作，自动获取网页内容，并且从其中提取出来有价值信息。3、Jsoup简单易用的Http请求操作以及查找元素的操作。......
Jsoup解析html
IT小生
01-04 2429
import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; public class Test { public static void main(String args[])throws Exception{
java爬虫——JSoup
LYQ
03-01 9468
JSoup JSoup 是用于提取和处理 HTML 数据的 Java 库。 它实现了 HTML5 规范，并将 HTML 解析为与现代浏览器相同的 DOM。 该项目的网站是 jsoup.org 。 JSoup 功能 使用 JSoup，我们能够： 从 URL，文件或字符串中抓取并解析 HTML 使用 DOM 遍历或 CSS 选择器查找和提取数据 处理 HTML 元素，属性和文本 根据安全的白名单清除用户提交的内容，以防止 XSS 攻击 输出整洁的 HTML JSoup Mavven 依赖
jsoup 1.9.2
11-06
**jsoup 1.9.2 - Java 的网页解析与内容抓取库** jsoup 是一个用 Java 编写的开源库，专为处理现实世界中的 HTML 设计。它提供了非常方便的 API，使得开发者能够轻松地提取和操作数据，同时进行网页抓取。在 jsoup ...
jsoup1.11.2
01-30
**jsoup 1.11.2：网页解析利器** `jsoup` 是一个非常流行的Java库，专门用于处理和解析HTML文档。它的版本1.11.2为我们提供了高效且可靠的工具，使得开发者能够轻松地从网页中提取数据、修正结构化内容以及执行DOM...
jsoup jar包
10-25
**JSoup库详解** JSoup是一个Java库，它专门设计用于处理HTML，提供了一套强大而灵活的API，使得在Java程序中解析、提取和修改HTML数据变得异常简单。这个库受到了jQuery的启发，因此其语法对前端开发者来说非常...
jsoup-1.11.3
08-07
**jsoup-1.11.3：网页解析与数据提取的利器** `jsoup` 是一个非常流行的Java库，用于处理和解析HTML文档。它提供了简单易用的API，使得开发者可以方便地抓取、操作和清理HTML内容。版本1.11.3是这个库的一个稳定...
org.jsoup.jar
08-21
import org.jsoup.Jsoup
Jsoup的jar包
08-19
https://jsoup.org/ ParserHtmlServer项目中有使用
最新 jsoup的jar 1.11.2
12-22
解压导入第一个包就可以用。 import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements;
【Java爬虫】Jsoup
别下完这场雪
09-13 6299
想要学习Java爬虫，肯定要学Jsoup。 jsoup是一款Java的HTML解析器，主要用来对HTML解析，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。
java pa——jsoup使用教程
qq_44886213的博客
06-24 7386
java jsoup dom/css选择/jQuery
【xml】Jsoup使用
dengfengling999的博客
04-27 1094
首先创建一项目，需要导入jsoup-1.11.2.jar架包 首先创建一个student.xml： <?xml version='1.0' encoding="UTF-8" ?> <users> <student number='heima_0001'> <name id="itcast"> <xing>张</xing> <ming>三<
jsoup
Hellowgy的专栏
08-09 5051
<br /><br />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。<br />示例代码：<br />File input = new File("/tmp/input.html");<br />Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");<br /><br />Element content = doc.getElementById("content");<br />E
jsoup post
11-21
以下是使用Jsoup进行POST请求的示例代码： ```java import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.select.Elements; import java.io.IOException; public class JsoupPostExample {...

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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