Jsoup的使用

最新推荐文章于 2023-04-23 16:35:13 发布

Freguez · duoyu

最新推荐文章于 2023-04-23 16:35:13 发布

阅读量220

点赞数 1

分类专栏： Java 文章标签： java Jsoup html

本文链接：https://blog.csdn.net/qq_36981760/article/details/107096572

版权

Java 专栏收录该内容

3 篇文章

订阅专栏

Jsoup的使用

最近在做一个功能需要解析html字符串，于是用到了Jsoup，整理了一番方便以后翻查。

Jsoup能够实现java对html文件和html字符串的解析，并能获取其内容和修改内容。

我是Maven工程，使用时需要导入Jsoup的依赖：

<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.7.1</version>
</dependency>

1.解析html

1.1.解析html文件

 public static void main(String[] args) {
    try {
        // 第一个参数是文件路径，第二个参数是字符集
            Document document = Jsoup.parse(new File("E:/bookmarks_2020_6_24.html"),"utf-8");
            System.out.println(document);
         } catch (IOException e) {
             e.printStackTrace();
         }
 }

1.2.解析html字符串

// 如果是要解析body片段，可以使用Jsoup.parseBodyFragment(String htmlBody)
// 下面方法解析片段也是可以的
public static void main(String[] args) {
    String html = "<html><head><title>hello Jsoup</title></head><body><p>Use Jsoup Say Hello！</p></body></html>";
    Document document = Jsoup.parse(html);
    System.out.println(document);
 }

2.操作元素

Document中提供了一些选择元素的api

获取元素：
- getElementById(String id);
- getElementsByTag(String tagName);
- getElementsByClass(String className);
- getElementsByAttribute(String key);
获取元素还可以通过其他选择器，使用Element.select(String selector) 来选择，类似CSS中的选择器
操作元素属性和数据：

Element 中提供一些api操作元素的属性和数据
- attr(String attrName) 获取元素
- attr(String attrName, String value) 给指定属性设置属性值
- attributes() 获取所有属性
- text() 获取文本内容
- text(String value) 设置文本内容
- html() 获取元素内容（包含标签）
- html(String content) 给元素设置内容（可以解析标签）
- outerHtml() 获取改元素外的内容
- data() 获取数据内容，如：style 和 script 标签

3.示例：

// 解析html字符串，将其中的http图片下载到本地，然后把文档流中的 img标签的src替换成本地图片的路径
public static void main(String[] args) {
    // content是一个html字符串，太长不作展示
    Document document = Jsoup.parse(content);
    Elements imgList = document.getElementsByTag("img");
    List<String> imgUrl = new ArrayList<>();
    for (Element img : imgList) {
        String src = img.attr("src");
        imgUrl.add(src);
    }
    
    // 遍历下载图片本地，代码略。。。
    
    // 将文档流中img标签的src属性值替换掉
    for (int i = 0; i < imgList.size(); i++) {
        imgList.get(i).attr("src","aaa_" + i + "png");
    }
    System.out.println(document.toString());
 }