Jsoup入门
来源:互联网 发布:网络推广考核 编辑:程序博客网 时间:2024/05/22 06:05
最近项目需要用到Jsoup抓取网页相关内容,所以稍微了解一下,学习下Jsoup的简单使用。
首先下载可以在Jsoup官网(http://jsoup.org/download)下载Jsoup的jar包,目前最新的是
jsoup-1.8.3.jar
,当然也可以直接在maven的pom文件中直接导入,学习Jsoup最好看看其API文档:http://jsoup.org/apidocs/<dependency> <!-- jsoup HTML parser library @ http://jsoup.org/ --> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.8.3</version></dependency>
废话不多说,直接上代码:
package com.test;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class TestJsoup {
public static void main(String[] args) throws IOException {
Document doc = Jsoup.connect("http://ggjd.cnstock.com/gglist/search/jgjd/0").get(); // 连接,获取Document
// System.out.println(doc); // 输入网页源代码
// System.out.println(doc.title()); // 输出html标题
// System.out.println(doc.text()); // 输入test内容
/**
* Jsoup提供了很多获取Element的方法,具体可以查询API文档
*/
Element element = doc.getElementById("#xx"); // 根据id获取Element元素
Elements elements = doc.getElementsByAttributeValue("class", "red");
for (Element element2 : elements) {
System.out.println(element2);
}
/**Jsoup的select选择器*/
Elements elements2 = doc.select("href*=/path/");
}
}我觉得Jsoup最强大的是select方法,能应对各种苛刻的条件,比如( Elements elements2 = doc.select("href*=/path/");)无法用getElementXXX获取到。太强大了,我喜欢这个方法,感觉就是操作Jquery一样
下面介绍下select方法:
soup elements对象支持类似于CSS (或jquery)的选择器语法,来实现非常强大和灵活的查找功能。.
这个
select
方法在Document
,Element
,或Elements
对象中都可以使用。且是上下文相关的,因此可实现指定元素的过滤,或者链式选择访问。Select方法将返回一个
Elements
集合,并提供一组方法来抽取和处理结果。Selector选择器概述
tagname
: 通过标签查找元素,比如:a
ns|tag
: 通过标签在命名空间查找元素,比如:可以用fb|name
语法来查找<fb:name>
元素#id
: 通过ID查找元素,比如:#logo
.class
: 通过class名称查找元素,比如:.masthead
[attribute]
: 利用属性查找元素,比如:[href]
[^attr]
: 利用属性名前缀来查找元素,比如:可以用[^data-]
来查找带有HTML5 Dataset属性的元素[attr=value]
: 利用属性值来查找元素,比如:[width=500]
[attr^=value]
,[attr$=value]
,[attr*=value]
: 利用匹配属性值开头、结尾或包含属性值来查找元素,比如:[href*=/path/]
[attr~=regex]
: 利用属性值匹配正则表达式来查找元素,比如:img[src~=(?i)\.(png|jpe?g)]
*
: 这个符号将匹配所有元素Selector选择器组合使用
el#id
: 元素+ID,比如:div#logo
el.class
: 元素+class,比如:div.masthead
el[attr]
: 元素+class,比如:a[href]
- 任意组合,比如:
a[href].highlight
ancestor child
: 查找某个元素下子元素,比如:可以用.body p
查找在"body"元素下的所有p
元素parent > child
: 查找某个父元素下的直接子元素,比如:可以用div.content > p
查找p
元素,也可以用body > *
查找body标签下所有直接子元素siblingA + siblingB
: 查找在A元素之前第一个同级元素B,比如:div.head + div
siblingA ~ siblingX
: 查找A元素之前的同级X元素,比如:h1 ~ p
el, el, el
:多个选择器组合,查找匹配任一选择器的唯一元素,例如:div.masthead, div.logo
伪选择器selectors
:lt(n)
: 查找哪些元素的同级索引值(它的位置在DOM树中是相对于它的父节点)小于n,比如:td:lt(3)
表示小于三列的元素:gt(n)
:查找哪些元素的同级索引值大于n
,比如
:div p:gt(2)
表示哪些div中有包含2个以上的p元素:eq(n)
: 查找哪些元素的同级索引值与n
相等,比如:form input:eq(1)
表示包含一个input标签的Form元素:has(seletor)
: 查找匹配选择器包含元素的元素,比如:div:has(p)
表示哪些div包含了p元素:not(selector)
: 查找与选择器不匹配的元素,比如:div:not(.logo)
表示不包含 class=logo 元素的所有 div 列表:contains(text)
: 查找包含给定文本的元素,搜索不区分大不写,比如:p:contains(jsoup)
:containsOwn(text)
: 查找直接包含给定文本的元素:matches(regex)
: 查找哪些元素的文本匹配指定的正则表达式,比如:div:matches((?i)login)
:matchesOwn(regex)
: 查找自身包含文本匹配指定正则表达式的元素- 注意:上述伪选择器索引是从0开始的,也就是说第一个元素索引值为0,第二个元素index为1等
0 0
- Jsoup入门
- Jsoup入门
- Jsoup入门
- Jsoup入门
- Jsoup入门
- Jsoup入门
- jsoup入门
- jsoup Cookbook(中文版) 入门
- Jsoup入门指南
- Jsoup入门-java
- 01-jsoup入门
- 爬虫之jsoup入门指南
- Jsoup官方教程(一)【入门】
- JSoup入门笔记--------java HTML 解析库
- Jsoup入门:解析html 抽取数据
- Java爬虫入门之Jsoup使用
- jsoup
- jsoup
- 小的知识点
- 多并发时支付如何保持账户余额的一致性?
- Android 事件处理基于Handler 消息处理
- 设置只能点击对话框中的内容,而点击对话框以外的内容无反应
- 海龟算法求解螺旋方阵
- Jsoup入门
- 《Android Studio实用指南》12.18 文本搜索工具
- 单例设计模式
- MVC | 登陆过滤器
- 提升自己就请给自己压力
- android invalid drawable tag vector解决办法
- 322. Coin Change
- Mac编译C++代码
- 20160217.CCPP体系详解(0027天)