使用的是 net.htmlparesr.jericho.Source;包中的Source,需要导入jaricho-html-3.1.jar的外部jar包
一下为用这个包解析豆瓣网站的验证码的代码
1 URL url = new URL("http://www.douban.com/accounts/login"); 2 URLConnection conn = url.openConnection(); 3 //得到服务器返回的html连接 转化成的html的对象 4 Source source = new Source(conn); 5 6 List<Element> inputElements = source.getAllElements("input"); 7 for(Element input: inputElements){ 8 if("captcha-id".equals(input.getAttributeValue("name"))){ 9 String id = input.getAttributeValue("value"); 10 String path = "http://www.douban.com/misc/captcha?id="+id+"&size=s"; 11 System.out.println("验证码图片的地址为:"+path); 12 } 13 }