java xpath解析html,jsoup解析html使用教程

Jsoup是什么?Jsoup是一款java用于解析HTML的解析器，就类似XML解析器用于解析XML。Jsoup它解析HTML成为真实世界的HTML。

它与jquery选择器的语法非常相似，并且非常灵活容易使用以获得所需的结果。在开发爬虫的时候

，当我们用HttpClient之类的框架，获取到网页源码之后，需要从网页源码中取出我们想要的内容,就可以使用jsoup这类HTML解析器了，可以非常轻松的实现。虽然jsoup也支持从某个地址直接去爬取网页源码,但是只支持HTTP，HTTPS协议，支持不够丰富。所以，主要还是用来对HTML进行解析。其中,要被解析的HTML可以是一个HTML的字符串，可以是一个UR，可以是一个文件。下面我们介绍下Jsoup的入门教程。

一、快速入门

1. 导入jar包

2. 获取Document对象

3. 获取对应的标签Element对象

4. 获取数据

二、类的说明

1. Jsoup：工具类，可以解析html或xml文档，返回Document

* parse：解析html或xml文档，返回Document

* parse(File in, String charsetName)：解析xml或html文件的。

* parse(String html)：解析xml或html字符串

* parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象

2. Document：文档对象。代表内存中的dom树

* 获取Element对象

* getElementById(String id)：根据id属性值获取唯一的element对象

* getElementsByTag(String tagName)：根据标签名称获取元素对象集合

* getElementsByAttribute(String key)：根据属性名称获取元素对象集合

* getElementsByAttributeValue(String key, String

value)：根据对应的属性名和属性值获取元素对象集合

3. Elements：元素Element对象的集合。可以当做 ArrayList来使用

(1)获取子元素对象

* getElementById(String id)：根据id属性值获取唯一的element对象

* getElementsByTag(String tagName)：根据标签名称获取元素对象集合

* getElementsByAttribute(String key)：根据属性名称获取元素对象集合

* getElementsByAttributeValue(String key, String

value)：根据对应的属性名和属性值获取元素对象集合

(2)获取属性值

* String attr(String key)：根据属性名称获取属性值

(3)获取文本内容

* String text():获取文本内容

* String html():获取标签体的所有内容(包括字标签的字符串内容)

5. Node：节点对象

* 是Document和Element的父类

三、快捷查询方式

1. selector:选择器

* 使用的方法：Elements select?(String cssQuery)

* 语法：参考Selector类中定义的语法

2. XPath：XPath即为XML路径语言，它是一种用来确定XML(标准通用标记语言的子集)文档中某部分位置的语言

* 使用Jsoup的Xpath需要额外导入jar包。

* 查询w3cshool参考手册，使用xpath的语法完成查询