JSoup入门笔记--------java HTML 解析库

最新推荐文章于 2024-08-09 03:43:55 发布

CasinX

最新推荐文章于 2024-08-09 03:43:55 发布

阅读量3.6k

点赞数

分类专栏： Java 文章标签： html解析器 java html jsoup

本文链接：https://blog.csdn.net/zjx409/article/details/23375565

版权

Java 专栏收录该内容

23 篇文章 0 订阅

订阅专栏

某些情况下，我们会使用Java获取网页的内容，并根据网页的内容得到特定标签的数据。例如得到网页中所有的超链接。一般情况下

URL url = new URL(strUrl);  
BufferedReader br = new BufferedReader(new InputStreamReader(url.openStream()));

上面一段代码可以让我们获取网页的内容，然后使用正则表达式匹配想要的内容。上面的方法很直观，但也比较繁琐。

JSoup是一款HTML解析器，他的主要功能有

从一个URL，文件或字符串中解析HTML；
使用DOM或CSS选择器来查找、取出数据；
可操作HTML元素、属性、文本；

下载地址为：http://jsoup.org/

下面介绍JSoup的基本使用方法：

1、解析一段HTML文本

Document doc = Jsoup.parse(html);  //html为一段html文本  如：html = "<head><title>hello</title></head><body>document string</body>"

或者可以将直接连接URL获取网页内容。

Document doc = Jsoup.connect(url).get();

其中Document代表文档对象。

2、使用选择器查找特定的数据

下面这行代码可以查找class属性为item的元素。JSoup中有Elements和Element两个常用的类。其中Elements类是Element对象的集合，实现了迭代器，可以使用for each 迭代Elements元素

Elements items = doc.getElementsByClass("item"); //class = item

另外还可用getElementById 等进行选择。

3、针对特定的Element得到文本和属性

link.attr("href");
link.getElementsByTag("span").get(0).text();

如上面第一行得到link元素的href属性。

第二行则选择link元素中的Tag为span的元素，并读取第一个span元素包含的文本

附：JSoup文档中CSS选择器的示例

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

Elements links = doc.select("a[href]"); // a with href
Elements pngs = doc.select("img[src$=.png]");
  // img with src ending .png

Element masthead = doc.select("div.masthead").first();
  // div with class=masthead

Elements resultLinks = doc.select("h3.r > a"); // direct a after h3