Jsoup加载HTML的三种方式

最新推荐文章于 2024-08-11 22:04:26 发布

栖风宿雨

最新推荐文章于 2024-08-11 22:04:26 发布

阅读量572

点赞数

分类专栏： Java

Java 专栏收录该内容

20 篇文章 0 订阅

订阅专栏

转载：http://www.javacui.com/opensource/464.html

Jsoup加载HTML的三种方式，上一篇说的只是一种方式，直接从HTTP源网站获取。

从字符串解析

来自用户输入，一个文件或一个网站的HTML字符串，你可能需要对它进行解析并取其内容，或校验其格式是否完整，或想修改它。

1

2

3

 
        String html =  
        "<html><head><title>First parse</title></head>" 
       
        +  
        "<body><p>from www.javacui.com</p></body></html>" 
        ; 
       
        Document doc = Jsoup.parse(html);

只要解析的不是空字符串，就能返回一个结构合理的文档，其中包含(至少) 一个head和一个body元素。

一旦拥有了一个Document，你就可以使用Document中适当的方法或它父类 Element和Node中的方法来取得相关数据。

实用示例：

 
        package  
        com.cui.test; 
       
        import  
        org.jsoup.Jsoup; 
       
        import  
        org.jsoup.nodes.Document; 
       
        import  
        org.jsoup.nodes.Element; 
       
        import  
        org.jsoup.select.Elements; 
       
        /** 
       
        * 从字符串解析HTML 
       
        * @author java小强 
       
        */ 
       
        public  
        class  
        StringHtmlSpider { 
       
        public  
        static  
        void  
        main(String[] args) { 
       
        try  
        { 
       
        String html =  
        "<html><head><title>First parse</title></head>" 
       
        +  
        "<body><p>from www.javacui.com</p></body></html>" 
        ; 
       
        Document doc = Jsoup.parse(html); 
       
        Elements elements = doc.getElementsByTag( 
        "p" 
        ); 
        // 根据标签获取 
       
        Element e = elements.get( 
        0 
        ); 
        // 因为我知道只有一个p 
       
        System.out.println(e.text()); 
       
        // 打印 from www.javacui.com 
       
        }  
        catch  
        (Exception e) { 
       
        e.printStackTrace(); 
       
        } 
       
        } 
       
        }

从本地文件加载

在本机硬盘上有一个HTML文件，需要对它进行解析从中抽取数据或进行修改。本示例HTML文件内容和上面示例字符串内容一致。

1 2	`File input =` `new` `File(` `"D:\\javacui.html"` `);` `Document doc = Jsoup.parse(input,` `"UTF-8"` `);`

这个方法用来加载和解析一个HTML文件。如在加载文件的时候发生错误，将抛出IOException，应作适当处理。

实用示例：

 
        package  
        com.cui.test; 
       
        import  
        java.io.File; 
       
        import  
        org.jsoup.Jsoup; 
       
        import  
        org.jsoup.nodes.Document; 
       
        import  
        org.jsoup.nodes.Element; 
       
        import  
        org.jsoup.select.Elements; 
       
        /** 
       
        * 从本地文件解析HTML 
       
        * @author java小强 
       
        */ 
       
        public  
        class  
        LocalDiskSpider { 
       
        public  
        static  
        void  
        main(String[] args) { 
       
        try  
        { 
       
        File input =  
        new  
        File( 
        "D:\\javacui.html" 
        ); 
       
        Document doc = Jsoup.parse(input,  
        "UTF-8" 
        ); 
       
        Elements elements = doc.getElementsByTag( 
        "p" 
        ); 
        // 根据标签获取 
       
        Element e = elements.get( 
        0 
        ); 
        // 因为我知道只有一个p 
       
        System.out.println(e.text()); 
       
        // 打印 from www.javacui.com 
       
        }  
        catch  
        (Exception e) { 
       
        e.printStackTrace(); 
       
        } 
       
        } 
       
        }

来自网络

你需要从一个网站获取和解析一个HTML文档，并查找其中的相关数据。

1 2	`Document doc = Jsoup.connect(` `"http://www.javacui.com/"` `).get();` `String title = doc.title();`

connect(String url) 方法创建一个新的 Connection, 和 get() 取得和解析一个HTML文件。如果从该URL获取HTML时发生错误，便会抛出 IOException，应适当处理。

Connection 接口还提供一个方法链来解决特殊请求，具体如下：

1

2

3

4

5

6

 
        Document doc = Jsoup.connect( 
        "http://example.com" 
        ) 
       
        .data( 
        "query" 
        ,  
        "Java" 
        ) 
       
        .userAgent( 
        "Mozilla" 
        ) 
       
        .cookie( 
        "auth" 
        ,  
        "token" 
        ) 
       
        .timeout( 
        3000 
        ) 
       
        .post();