jsoup动态生成html,Jsoup获取动态js生成的内容

Jsoup本身是只能获取到静态页面的数据，并无法获取动态生成的内容，所以单单使用jsoup是无法获取到js生成的内容的。我这里使用了htmlunit来获取网页内容后，将网页转换成xml格式，再通过jsoup进行解析

1.依赖导入

一般Jsoup和HttpClient都是一起使用的，版本随意，可以无脑选择新版本

org.apache.httpcomponents

httpclient

4.5.2

org.jsoup

jsoup

1.11.3

net.sourceforge.htmlunit

htmlunit

2.33

2.简单的代码

import com.gargoylesoftware.htmlunit.WebClient;

import com.gargoylesoftware.htmlunit.html.HtmlPage;

import org.jsoup.Jsoup;

import org.jsoup.nodes.Document;

import java.io.*;

//使用Jsoup+Htmlunit下载动态js的内容

public class Test {

public static void main(String[] args) throws IOException {

//Htmlunit模拟的浏览器，设置css,js等支持及其它的一些简单设置

WebClient browser = new WebClient();

browser.getOptions().setCssEnabled(false);

browser.getOptions().setJavaScriptEnabled(true);

browser.getOptions().setThrowExceptionOnScriptError(false);

//获取页面

HtmlPage htmlPage = browser.getPage("http://www.baidu.com");

//设置等待js的加载时间

browser.waitForBackgroundJavaScript(3000);

//使用xml的方式解析获取到jsoup的document对象

Document doc = Jsoup.parse(htmlPage.asXml());

System.out.println(doc);

}

}

现在可以将获取到的org.jsoup.nodes.Document使用Jsoup的方式进行解析了！