Jsoup 解析 HTML

来源：互联网发布：英文视频软件编辑：程序博客网时间：2024/06/03 16:55

Jsoup 文档

方法

要取得一个属性的值，可以使用Node.attr(String key) 方法
对于一个元素中的文本，可以使用Element.text()方法
对于要取得元素或属性中的HTML内容，可以使用Element.html(), 或 Node.outerHtml()方法

示例：

String html = "<p>An <a href='http://example.com/'><b>example</b></a> link.</p>";Document doc = Jsoup.parse(html);//解析HTML字符串返回一个Document实现Element link = doc.select("a").first();//查找第一个a元素String text = doc.body().text(); // "An example link"//取得字符串中的文本String linkHref = link.attr("href"); // "http://example.com/"//取得链接地址String linkText = link.text(); // "example""//取得链接地址中的文本String linkOuterH = link.outerHtml();     // "<a href="http://example.com"><b>example</b></a>"String linkInnerH = link.html(); // "<b>example</b>"//取得链接内的html内容

说明

上述方法是元素数据访问的核心办法。此外还其它一些方法可以使用：

Element.id()
Element.tagName()
Element.className() and Element.hasClass(String className)

这些访问器方法都有相应的setter方法来更改数据.

参见

Element和Elements集合类的参考文档
URLs处理
使用CSS选择器语法来查找元素

[java] view plaincopy
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。请参考：http://jsoup.org/  
  
    jsoup的主要功能如下：  
  
     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；  
  
     jsoup是基于MIT协议发布的，可放心使用于商业项目。  
  
    下载和安装：  
  
     maven安装方法：  
  
      把下面放入pom.xml下  
  
       <dependency>  
  
         <!-- jsoup HTML parser library @ http://jsoup.org/ -->  
  
        <groupId>org.jsoup</groupId>  
  
        <artifactId>jsoup</artifactId>  
  
        <version>1.5.2</version>  
  
       </dependency>  
  
     用jsoup解析html的方法如下：  
  
       解析url html方法  
  
Document doc =Jsoup.connect("http://example.com") .data("query","Java")   .userAgent("Mozilla")   .cookie("auth","token")   .timeout(3000)   .post();  
  
     从文件中解析的方法：  
  
File input =newFile("/tmp/input.html");Document doc =Jsoup.parse(input,"UTF-8","http://example.com/");  
  
 类试js  jsoup提供下面方法：  
  
getElementById(String id) 用id获得元素  
  
getElementsByTag(String tag) 用标签获得元素  
  
getElementsByClass(String className) 用class获得元素  
  
getElementsByAttribute(String key)  用属性获得元素  
  
同时还提供下面的方法提供获取兄弟节点：  
  
siblingElements(), firstElementSibling(), lastElementSibling();nextElementSibling(), previousElementSibling()  
  
用下面方法获得元素的数据：  
  
attr(String key)  获得元素的数据   
  
attr(String key, String value) t设置元素数据   
  
attributes() 获得所以属性   
  
id(), className()  classNames() 获得id class得值  
  
text()获得文本值  
  
text(String value) 设置文本值   
  
html() 获取html    
  
html(String value)设置html  
  
outerHtml() 获得内部html   
  
data()获得数据内容  
  
tag()  获得tag 和 tagName() 获得tagname  
  
操作html提供了下面方法：  
  
append(String html), prepend(String html)  
  
appendText(String text), prependText(String text)  
  
appendElement(String tagName), prependElement(String tagName)  
  
html(String value)  
  
通过类似jquery的方法操作html  
File input =newFile("/tmp/input.html");Document doc =Jsoup.parse(input,"UTF-8","http://example.com/");Elements links = doc.select("a[href]");// a with hrefElements pngs = doc.select("img[src$=.png]");   // img with src ending .pngElement masthead = doc.select("div.masthead").first();   // div with class=mastheadElements resultLinks = doc.select("h3.r > a");// direct a after h3  
  
支持的操作有下面这些：  
  
tagname 操作tag  
  
ns|tag ns或tag  
  
#id  用id获得元素   
  
.class 用class获得元素  
  
[attribute] 属性获得元素  
  
[^attr]: 以attr开头的属性  
  
[attr=value] 属性值为value  
  
[attr^=value], [attr$=value], [attr*=value]   
  
[attr~=regex]正则  
  
*:所以的标签   
  
选择组合  
el#id el和id定位  
  
el.class e1和class定位  
  
el[attr] e1和属性定位  
  
ancestor child ancestor下面的child  
  
等等

0 0