Java调用Jsoup解析网页

1. maven引入jar包

<dependency>
  <groupId>org.jsoup</groupId>
  <artifactId>jsoup</artifactId>
  <version>1.10.2</version>
</dependency>

2. 解析代码示例

public ServerResponse getInfo(String str) throws IOException
    {
        // 
        String url = "https://www.xxxxxxxx.com/xxxxxxxx?q="+str;
        //Document document = Jsoup.parse(new URL(url),30000);
        // 基本信息
        Connection conn = Jsoup.connect(url).timeout(5000);
        conn.header("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8");
        conn.header("Accept-Encoding", "gzip, deflate, sdch");
        conn.header("Accept-Language", "zh-CN,zh;q=0.8");
        conn.header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36");
        Document document = conn.get();
        Elements bookNames = document.getElementsByClass("title");
        Element book = bookNames.first();
        String name = book.getElementsByTag("a").html();
        String newUrl = book.select("a").attr("href");
        System.out.println(name);
        System.out.println(newUrl);

        String splitUrl = newUrl.substring(newUrl.indexOf("url=")+4,newUrl.indexOf("&query="));
        splitUrl=splitUrl.replace("%2F","/").replace("%3A",":");
        System.out.println(splitUrl);

        // 详细信息
        Connection connlink = Jsoup.connect(splitUrl).timeout(5000);
        connlink.header("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8");
        connlink.header("Accept-Encoding", "gzip, deflate, sdch");
        connlink.header("Accept-Language", "zh-CN,zh;q=0.8");
        connlink.header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36");
        Document documentLink = connlink.get();
        Elements article = documentLink.getElementsByClass("article");
        Element detailInfo = article.first();
        String imgSrc = detailInfo.getElementById("mainpic").select("img").attr("src");
        Element baseInfo = detailInfo.getElementById("info");
        // String cbs = baseInfo.select("a").text();
        String intro = detailInfo.getElementsByClass("intro").get(0).select("p").html(); // 书籍简介
        String authorDetail = detailInfo.getElementsByClass("intro").get(1).select("p").html(); // 作者简介
        String infoDetail = baseInfo.toString().replaceAll("</?[^>]+>", "");// 去掉字符串中的html信息 
        Map<String,String> result = analyseBookInfo(infoDetail);// 获取明细信息
        // 返回结果
        // Map<String,String> result = new HashMap<>();
        result.put("bookName",name);
        // result.put("info",getText(baseInfo.toString()));
        result.put("info",infoDetail);
        result.put("isbn",isbn);
        result.put("imgSrc","https://images.weserv.nl/?url="+imgSrc);
        //result.put("cbs",cbs);
        result.put("intro",intro);
        result.put("authorDetail",authorDetail);
        return ServerResponse.createBySuccess(result);
    }

    public Map<String,String> analyseBookInfo(String oldStr){
        Map<String,String> resultMap = new HashMap<>();
        if(!StringUtils.isEmpty(oldStr)){
            oldStr = oldStr.replace(" ","");
            String[] infoSplit = oldStr.split("\n");
            System.out.println(infoSplit[0]);
            for(int i=0;i<infoSplit.length;i++){
                if(infoSplit[i].indexOf(":") > 0){
                    if("文本1".equals(filedSplit[0])){
                        resultMap.put("page",filedSplit[1]);
                    }
                }
            }
        }
        return resultMap;
    }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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
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