Jsoup解析页面

最新推荐文章于 2024-06-25 07:06:31 发布

LifeBackwards

最新推荐文章于 2024-06-25 07:06:31 发布

阅读量279

点赞数

分类专栏： Java

Java 专栏收录该内容

58 篇文章 2 订阅

订阅专栏

JSOUP是一个处理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-1.7.3.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>

4、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：

LifeBackwards

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Jsoup解析页面

JSOUP是一个处理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-1.7.3.jar即可）：import java.io.File; import java.io.IOException; import org.jsoup.Jsoup; import org.jsoup.nodes.
复制链接

扫一扫

专栏目录