Jsoup-- HelloWorld

Posted 2020-10-07 听歌敲代码

1.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。实际开发中，利用HttpClient来抓取网页内容，然后利用 jsoup来解析。文档可参考：http://www.open-open.com/jsoup/

2.maven依赖

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.10.3</version>
</dependency>

3.HelloWorld代码实现

　　获取 http://www.cnblogs.com/xbq8080 的标题（title） 以及 座右铭

    public static void main(String[] args) throws Exception{
        // 创建httpClient实例
        CloseableHttpClient httpClient = HttpClients.createDefault();
        // 创建httpGet实例
        HttpGet httpGet = new HttpGet("http://www.cnblogs.com");
        httpGet.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:45.0) Gecko/20100101 Firefox/45.0");
        CloseableHttpResponse response = httpClient.execute(httpGet);
        String content = null;
        if(response != null){
            HttpEntity entity = response.getEntity();   
            content = EntityUtils.toString(entity, "UTF-8");  // 获取网页内容
            
            Document document = Jsoup.parse(content);  // 解析网页，得到文档对象
            
            Elements elements = document.getElementsByTag("title"); // 获取 tag为 title的DOM元素
            Element element = elements.get(0); // 获取第一个DOM元素
            String title = element.text();  // 返回元素的文本
            System.out.println("博客园的标题：" + title);
            
            Element element2 = document.getElementById("site_nav_top");
            String navTop = element2.text();
            System.out.println("座右铭：" + navTop);
        }
        if(response != null){
            response.close();
        }
        if(httpClient != null){
            httpClient.close();
        }
    }

4.运行结果：

　　博客园的标题：博客园 - 开发者的网上家园

　　座右铭：代码改变世界

5.Jsoup学习地址

　　开源博客系统-Jsoup