jsoup 解析HTML信息

最新推荐文章于 2024-04-18 13:51:27 发布

VIP文章麦田

最新推荐文章于 2024-04-18 13:51:27 发布

阅读量3.9k

点赞数 3

分类专栏： jsoup 文章标签： jsoup html

本文链接：https://blog.csdn.net/itmyhome1990/article/details/50676147

版权

jsoup简介

jsoup是一款Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，

可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。

jsoup的主要功能如下

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

jsoup的主要类层次结构如图所示：

这里写图片描述

文档输入

jsoup可以从包括字符串、URL地址以及本地文件来加载HTML文档，并生成Document对象实例。

// 直接从字符串中输入 HTML 文档
String html = "<html><head><title>learn jsoup</title></head>"
    + "<body id='body'><p>Parse and traverse an HTML document.</p></body></html>";
Document doc = Jsoup.parse(html);

// 从URL直接加载 HTML 文档
Document doc = Jsoup.connect("http://itmyhome.com/").get();
String title = doc.title();

// 从文件中加载HTML文档
File input = new File("D:/index.html");
Document doc = Jsoup.parse(input, "UTF-8","http://itmyhome.com");

第三种方式parse方法也可以不指定第三个参数，因为HTML文档中会有很多例如链接、图片以及所引用的外部脚本、css文件等，

而第三个名为baseURL的参数的意思就是当HTML文档使用相对路径方式引用外部文件时，

jsoup会自动为这些URL加上一个前缀，也就是这个 baseURL。

例如 <a href=/project>itmyhome</a> 会被转换成 <a href=http://itmyhome.com/project>itmyhome</a>。

数据抽取

使用DOM方法来遍历一个文档

String html = "<html><head><title>learn jsoup</title></head>"
        + "<body id='content'><a href='itmyhome.com'>hello</a>"
        + "<a href='blog.itmyhome.com'>jsoup</a></body></html>";

Document doc = Jsoup.parse(html);
Element content = doc.getElementById("c

最低0.47元/天解锁文章

麦田

关注

3
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
jsoup 解析HTML信息

jsoup简介jsoup是一款Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。jsoup的主要功能如下1、从一个URL，文件或字符串中解析HTML2、使用DOM或CSS选择器来查找、取出数据3、可操作HTML元素、属性、文本jsoup的主要类层次结构
复制链接

扫一扫