html jquery java_Java上的jQuery？解析HTML利器—Jsoup

也许大家有过在java运行平台上解析html的经历，通常的方式是将HTML以XML的形式进行结点解析，调用java本身的xml解析类库。这样的方式很容易理解并且很方便，但习惯用jQuery的各位是否在感叹能否在java中像jQuery一样获取标签内容，实现DOM操作呢？终于，发现了一个html解析利器，jsoup！

初次用jsoup的时候是在业余时间做一款漫画下载器的时候发现的，做漫画下载器时，因无法得到网站的API接口，所以只能通过解析HTML的方式获得网页内容与图片，在网络上找到jsoup以后发现习惯于jquery方式编程的我很快就可以适应jsoup的选择器，得到内容的方式也很容易，下面我们就开始学习神奇的jsoup。

1.下载jsoup

大家可以去jsoup的官网下载jsoup，或者点击

2.jsoup初体验

第一步 获取html文档对象。

Document对象:用于接收html的文档内容

Jsoup.connect(String url).get():用于指定网址，返回值为Document对象

ps:如果需要解析访问较慢的网站的话需要加上timeout方法，以放抛出RuntimeException异常。

1 //文档对象，用来接收html页面

2 Document document = null;3 try{4 //获取指定网址的页面内容

5 document = Jsoup.connect("http://www.baidu.com/").timeout(50000).get();6 } catch(IOException e) {7 e.printStackTrace();8 }

另外我们除了通过网址的到HTML文档对象外还可以通过读取HTML文件来获取HTML文档，方法如下:

//获得文件对象

File input = new File("/tmp/input.html");//获得文档对象

Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");

上面这段代码很好理解,parse是Jsoup类的静态方法，用于加载和解析HTML文档，其中的三个参数分别为:

参数1:要获取的文件对象

参数2:HTML文档的文字编码例如UTF-8，ISO 8859-1，GBK等等

参数3:用于相对路径的前缀

第二步通过选择器得到想要的Dom结点

jsoup提供了丰富的选择器，选择器的方便程度媲美jQuery，其中的筛选选择器，父选择器等更是jQuery上本身就拥有的，具体该怎么用这个选择器呢？相信习惯jQuery的童鞋很快就会适应jsoup选择器的。

首先我们需要认识一下Elements对象，Elements类实现了java.lang.List接口，主要用于保存选择器选择到的结点。

接下来我们来看一下Document对象获取结点的步骤:

1 //通过Document的select方法获取class为abc的Elements结点集合

2 Elements elements = document.select(".abc");3 //得到结点的第一个对象

4 Element element = elements.get(0);5 //获取想要的属性值

6 String href = element.attr("href");

共三步，就可以得到想要的结果了，是不是很方便呢？

并且第二个步骤是可以省略的，下面让我们来看一下Elements的attr()方法的源码

/**Get an attribute value from the first matched element that has the attribute.@paramattributeKey The attribute key.@returnThe attribute value from the first matched element that has the attribute.. If no elements were matched (isEmpty() == true),

or if the no elements have the attribute, returns empty string.@see#hasAttr(String)*/

publicString attr(String attributeKey) {for(Element element : contents) {if(element.hasAttr(attributeKey))returnelement.attr(attributeKey);

}return "";

}

上边两个方法可以清除的看到当我们输入结点名称时，他会自动遍历所有集合内所有结点是否拥有此属性，如果拥有此属性即跳出返回结果，如无法找到含有此属性的结点则返回 Empty。

jsoup的选择器除了上面的例子里的类选择器还有下面的丰富选择器，大家可根据需要来选择使用。

Selector选择器

tagname: 通过标签查找元素，比如：a

ns|tag: 通过标签在命名空间查找元素，比如：可以用 fb|name 语法来查找  元素

#id: 通过ID查找元素，比如：#logo

.class: 通过class名称查找元素，比如：.masthead

[attribute]: 利用属性查找元素，比如：[href]

[^attr]: 利用属性名前缀来查找元素，比如：可以用[^data-] 来查找带有HTML5 Dataset属性的元素

[attr=value]: 利用属性值来查找元素，比如：[width=500]

[attr^=value], [attr$=value], [attr*=value]: 利用匹配属性值开头、结尾或包含属性值来查找元素，比如：[href*=/path/]

[attr~=regex]: 利用属性值匹配正则表达式来查找元素，比如： img[src~=(?i)\.(png|jpe?g)]

*: 这个符号将匹配所有元素

Selector选择器组合使用

el#id: 元素+ID，比如： div#logo

el.class: 元素+class，比如： div.masthead

el[attr]: 元素+class，比如： a[href]

任意组合，比如：a[href].highlight

ancestor child: 查找某个元素下子元素，比如：可以用.body p 查找在"body"元素下的所有p元素

parent > child: 查找某个父元素下的直接子元素，比如：可以用div.content > p 查找 p 元素，也可以用body > * 查找body标签下所有直接子元素

siblingA + siblingB: 查找在A元素之前第一个同级元素B，比如：div.head + div

siblingA ~ siblingX: 查找A元素之前的同级X元素，比如：h1 ~ p

el, el, el:多个选择器组合，查找匹配任一选择器的唯一元素，例如：div.masthead, div.logo

伪选择器selectors

:lt(n): 查找哪些元素的同级索引值(它的位置在DOM树中是相对于它的父节点)小于n，比如：td:lt(3) 表示小于三列的元素

:gt(n):查找哪些元素的同级索引值大于n，比如： div p:gt(2)表示哪些div中有包含2个以上的p元素

:eq(n): 查找哪些元素的同级索引值与n相等，比如：form input:eq(1)表示包含一个input标签的Form元素

:has(seletor): 查找匹配选择器包含元素的元素，比如：div:has(p)表示哪些div包含了p元素

:not(selector): 查找与选择器不匹配的元素，比如： div:not(.logo) 表示不包含 class="logo" 元素的所有 div 列表

:contains(text): 查找包含给定文本的元素，搜索不区分大不写，比如： p:contains(jsoup)

:containsOwn(text): 查找直接包含给定文本的元素

:matches(regex): 查找哪些元素的文本匹配指定的正则表达式，比如：div:matches((?i)login)

:matchesOwn(regex): 查找自身包含文本匹配指定正则表达式的元素

注意：上述伪选择器索引是从0开始的，也就是说第一个元素索引值为0，第二个元素index为1等

为了照顾习惯js原生获得结点方式的朋友们，jsoup还加入了许多原生方法名，例如:

1 //通过ID获得结点，返回值为Element而不是Elements

2 getElementById(String id)3 //通过结点名返回节点集

4 getElementsByTag(String tag)5 //通过类返回结点集

6 getElementsByClass(String className)

第三步修改结点属性

对于仅仅要读取数据的朋友们来说上面两步已经足以完成需求，而对于有修改文档内容需求的来说Jsoup同样提供了强大的属性赋值，例如:

//为结点添加内容

element.html(内容);//添加属性

element.attr(属性名,属性值)//添加类

element.addClass(类名)

修改结点属性的方式也与jQuery类似，也很容易理解。

如果大家已经了解了jsoup的基础操作的话，可以自己动手试试解析一个HTML文档，如果有问题欢迎跟帖，另外附上两个jsoup教程的网址:

英文好的同学可以去瞧瞧，jsoup实用的方法还有很多的哦！

^_^