jsoup API
1.解析一个简单的html文件
/**
* @ClassName: JouspT1
* @Description: TODO Jsoup解析
* @author jmwang.erics
* @date 2021年3月17日
*
*/
public class JouspT1 {
/**
* @Title: main
* @Description: TODO 解析和遍历一个HTML文档
* @param @param args 参数
* @return void 返回类型
* @throws
*/
public static void main(String[] args) {
// String htmlT = importHTMLFile(null);
// System.out.println(htmlT);
String html = "<html><head><title id='www'>First parse</title><title class='1'>First2 parse2</title></head>" + "<body><p>Parsed HTML into a doc.</p></body></html>";
//返回html格式
/**
* 走一个Parser.parse(html, "");方法
* 使用的是TreeBuilder生成树类的parse(html, baseUri, ParseErrorList.noTracking());解析创建树,最后返回给Document
*/
Document parse = Jsoup.parse(html);
System.out.println(parse);
//通过 id获取
Element elementById = parse.getElementById("www");
System.out.println(elementById);
//通过 tag获取
Elements allElements = elementById.getElementsByTag("title");
System.out.println(allElements);
//通过class获取
Elements elementsByClass = parse.getElementsByClass("1");
System.out.println(elementsByClass);
}
/**
*
* @Title: generalAnalysisHTML
* @Description: TODO 导入HTML文件
* @param @param path
* @param @return 参数
* @return String 返回类型
* @throws
*/
public static String importHTMLFile(String path) {
File file = new File(path);
FileReader fileReader = null;
BufferedReader bufferedReader = null;
StringBuilder html = new StringBuilder();
try {
fileReader = new FileReader(file);
bufferedReader = new BufferedReader(fileReader);
String tempString = null;
while ((tempString=bufferedReader.readLine())!=null) {
html.append(tempString);
}
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
return html.toString();
}
}
1.1 Jsoup 干净的解析结果
直接解决
- 没有关闭的标签
(比如: <p>Lorem <p>Ipsum parses to <p>Lorem</p> <p>Ipsum</p>)
- 隐式标签
(比如. 它可以自动将 <td>Table data</td>包装成<table><tr><td>?)
- 创建可靠的文档结构
(html标签包含head 和 body,在head只出现恰当的元素)