【Java Utility】Jsoup网页爬虫工具简介Java HTML PARSER【一】
来源:互联网 发布:windows 结束进程命令 编辑:程序博客网 时间:2024/05/18 03:50
原文出自Jsoup项目官网https://jsoup.org/
Jsoup是一款解析HTML文档的Java库。它提供了一系列基于DOM解析、CSS、Jquery等方法实现,用来提取和控制数据的API。
Jsoup可以像现在主流浏览器一样,将HTML解析成DOM树,并实现以下操作:
1、从URL/文件/字符串中解析HTML;
1、从URL/文件/字符串中解析HTML;
2、使用遍历DOM树或CSS选择器来查找或提取数据;
3、对HTML的元素、属性、文本进行操作;
4、依靠白名单清理用户提交的内容,以防止XSS【注:跨站脚本攻击Cross Site Scripting】攻击;
5、输出清晰简明的HTML。
示例:
获取WikiPedia主页,转成DOM树,从news中选择所有headlines【头条】,将其放入elements list【元素列表】
//连接到主页,获取DOM文档对象Document doc = Jsoup.connect("http://en.wikipedia.org/").get();//使用CSS选择器获取elements列表Elements newsHeadlines = doc.select("#mp-itn b a");
Jsoup是开源项目,你可以从如下地址下载相关jar包:
Download jsoup
Jsoup当前最新版本为version 1.10.2,以下文件可供下载:
jsoup-1.10.2.jar
//核心libraryjsoup-1.10.2-sources.jar
//可选资源包jsoup-1.10.2-javadoc.jar
//可选javadoc包
0 0
- 【Java Utility】Jsoup网页爬虫工具简介Java HTML PARSER【一】
- 【Java Utility】Jsoup网页爬虫工具--解析HTML语句片段【四】
- 【Java Utility】Jsoup网页爬虫工具--设置Element的HTML内容【十二】
- 【Java Utility】Jsoup网页爬虫工具--处理URL链接【十】
- 【Java Utility】Jsoup网页爬虫工具--设置属性值【十一】
- 【Java Utility】Jsoup网页爬虫工具--从元素/元素集中提取属性、文本和HTML内容【九】
- 【Java Utility】Jsoup网页爬虫工具--文档解析及转换【二】
- 【Java Utility】Jsoup网页爬虫工具--将String解析成Document【三】
- 【Java Utility】Jsoup网页爬虫工具--从URL加载Document【五】
- 【Java Utility】Jsoup网页爬虫工具--从文件加载Document【六】
- 【Java Utility】Jsoup网页爬虫工具--使用DOM方法浏览Document【七】
- 【Java Utility】Jsoup网页爬虫工具-使用选择器查找元素【八】
- jsoup 分页抓取网页数据Java HTML Parser
- Java 爬虫工具Jsoup解析
- java 爬虫 网页解析(Jsoup)
- Java爬虫入门简介(二) —— Jsoup解析HTML页面
- java+Jsoup 正则过滤html网页标签
- java的jsoup介绍--java爬虫与java解析html
- 【机房重构】组合查询——模板方法
- android google官方的下拉刷新SwipeRefreshLayout
- 日处理20亿数据,实时用户行为服务系统架构实践
- java 多态
- PCB布线中的地线干扰分析与抑制方法
- 【Java Utility】Jsoup网页爬虫工具简介Java HTML PARSER【一】
- win系统下清除MYSQL服务的命令
- 《JAVA设计模式》之简单工厂模式
- 如何在codewarrior中的flashprogrammer添加新的flash型号
- mysql 查看数据库中所有表的记录数
- TALOS组件化平台搭建总结
- 使用了框架iframe的页面如何跳出框架
- python库的安装
- Mac编译android源码