Jsoup 配置和使用
Posted 可爱的黑精灵
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Jsoup 配置和使用相关的知识,希望对你有一定的参考价值。
基于Java
的html解析器Jsoup
的简单介绍
Jsoup 下载
Jsoup
是一个基于Java的HTML解析器,可直接解析某个URL地址、HTML文本内容。
- 使用
Maven
下载:
(Maven使用可以参照以往的博客)
<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.9.2</version>
</dependency>
- 官网Jsoup
Jsoup 使用
特点:
- 没有关闭的标签 (比如:
Lorem
Ipsum parses to
Lorem
Ipsum
) - 隐式标签 (比如. 它可以自动将 Table data包装成
?) - 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)
- 1 Jsoup.parse(String html)和Jsoup.parse(String html, String baseUri); // 解析一个
HTMl
字符串 - 2 Jsoup.parseBodyFragment(String html); // 解析一个
body
片断 - 3 Jsoup.connect(String url); //从一个
URL
解析一个Document
可以通过选择器来查找元素 - 4 Jsoup.parse(File in, String charsetName, String baseUri); //从本地加载一个
文档
- 解析一个
HTMl
字符串
String html = "<html><head><meta charset=‘UTF-8‘><title>three.js</title></head><body>"+
"<script type=‘text/javascript‘ src=‘js/Three/three.js‘></script>"+
"<script></script></body></html>";
Document doc = Jsoup.parse(html);
System.out.println(doc);
output:
<html>
<head>
<meta charset="UTF-8" />
<title>three.js</title>
</head>
<body>
<script type="text/javascript" src="js/Three/three.js"></script>
<script></script>
</body>
</html>
- 解析一个
URL
,这里我们解析的是Google
的首页的登陆按钮(按钮id:gb_70
)然后回去按钮的文本。
Document google = Jsoup.connect("https://www.google.com.hk/").get();
Element login = google.getElementById("gb_70");
System.out.println(login.text());
output:登入
以上是关于Jsoup 配置和使用的主要内容,如果未能解决你的问题,请参考以下文章
使用Spring Data ElasticSearch+Jsoup操作集群数据存储
使用 Google Refine/OpenRefine & Jsoup/BeautifulSoup 解析和删除 HTML 标签