Java爬取网页中的纯文本内容

package grabtest;

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.HttpURLConnection;
import java.net.URL;
import java.util.List;
import java.util.Scanner;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Node;
import org.jsoup.nodes.TextNode;

/**
 * 抓取网页数据工具类
 * @author asus-pc
 *
 */
public class GrabUrl {
	
	
	public static String getUrlText(String url) throws Exception{
		URL getUrl=new URL(url);
		HttpURLConnection connection=(HttpURLConnection)getUrl.openConnection();
		connection.connect();
		BufferedReader reader=new BufferedReader(new InputStreamReader(connection.getInputStream(),"utf-8"));
	    StringBuffer buffer=new StringBuffer();
	    String lines=null;
	    while ((lines=reader.readLine())!=null){
			lines=new String(lines.getBytes(),"utf-8");
			buffer=buffer.append(lines+"\n");
			
		}
	    
	    reader.close();
		connection.disconnect();
		
		return buffer.toString();
	}
	
	
	private static String extractText(Node node){
        if(node instanceof TextNode){    
            return ((TextNode) node).text();  
        } 
        List<Node> children = node.childNodes();   
        StringBuffer buffer = new StringBuffer();    
        for (Node child: children) {   
            buffer.append(extractText(child)); 
        }   
        return buffer.toString();
    }
	
	
    public static String html2Str(String html){   
        Document doc = Jsoup.parse(html);    
        return extractText(doc);
    }
	
    
	/**测试*/
	public static void main(String[] args) {
		try {
			System.out.println("请输入网址:");
			Scanner scanner=new Scanner(System.in);
			String urlString=scanner.next();
			String aString=getUrlText(urlString);
			String aSt=html2Str(aString);
			System.out.println(aSt);
		} catch (Exception e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	}
	

}

需要用到jsoup的jar包

<dependency>
  <groupId>org.jsoup</groupId>
  <artifactId>jsoup</artifactId>
  <version>1.8.3</version>
</dependency>

 

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值