jsoup入门

来源：互联网发布：中国近代史知乎编辑：程序博客网时间：2024/05/22 04:44

简介

jsoup是一种用于处理HTML的java库。它提供了一个非常方便的API，用于提取和操作数据，使用最好的DOM、CSS和类似jQuery的方法。

官网

https://jsoup.org/

下载地址

下载页面包括Jar包，Maven下载，Gradle下载方式
https://jsoup.org/download

API文档

官网英文版：
http://www.open-open.com/jsoup/load-document-from-file.htm
中文翻译版：
http://www.open-open.com/jsoup/parsing-a-document.htm

案例：解析和遍历一个HTML文档

如何解析一个HTML文档：

String html = "<html><head><title>First parse</title></head>"  + "<body><p>Parsed HTML into a doc.</p></body></html>";Document doc = Jsoup.parse(html);

其解析器能够尽最大可能从你提供的HTML文档来创建一个干净的解析结果，无论HTML的格式是否完整。比如它可以处理：

没有关闭的标签：
<p>Lorem <p>Ipsum parses to <p>Lorem</p> <p>Ipsum</p>)
隐式标签：
它可以自动将 <td>Table data</td>包装成<table><tr><td>Table data</td><tr></table>
创建可靠的文档结构（html标签包含head 和 body，在head只出现恰当的元素）

一个文档的对象模型

文档由多个Elements和TextNodes组成 (以及其它辅助nodes：详细可查看：nodes package tree).
其继承结构如下：Document继承Element继承Node. TextNode继承 Node.
一个Element包含一个子节点集合，并拥有一个父Element。他们还提供了一个唯一的子元素过滤列表。

阅读全文

0 0