初识Jsoup之解析HTML

2023-07-31 11:55:40

按照国际惯例，我首先应该介绍下Jsoup是个什么东西，然后在介绍下具体用法，然后在来个demo演示，其实我也是这么想的，小编今天花了一天的时间从学习—>解析页面，总算是成果圆满了吧，啊哈，但是，一个不会总结的程序猿不是一个帅气的程序猿，啊哈，这就意味着我是个帅气的猿猿

----------------------------------------------------------------------------------------------------------------------

一、什么是Jsoup？

官网网站：http://jsoup.org/

可在官网下载对应的jar

通俗的将Jsoup就是一个解析网页的东西，然后我们在看下官方的解释：

官方解释就是高大上~

二、Jsoup的基本用法（http://www.open-open.com/jsoup/parsing-a-document.htm）

网站写的很详细，我想聪明的大家看看开发文档一看就懂…恩，有道理，正所谓帅的人都能看懂..

三、demo演示解析的url：http://sex.guokr.com/

写在前面：忽略链接内容，小编就是找到一个不错的网站~，啊哈，别想歪了

1.解析一个ul –>li

我们来看下这段的源代码：

由此我们知道了大体的样子，现在我们来写编码

import org.jsoup.Jsoup;

import org.jsoup.nodes.Document;

import org.jsoup.nodes.Element;

import org.jsoup.select.Elements;

import java.io.IOException;

/**

 * 使用Jsoup解析url

 * @tag：url ：http://sex.guokr.com/

 * Created by monster on 2015/12/11.

 */

public class JsoupZX {

    public static void main(String[] args){

        final String url="http://sex.guokr.com/" ;

        try {

            Document doc = Jsoup.connect(url).get();

           Elements container = doc.getElementsByClass("container");

            Document containerDoc = Jsoup.parse(container.toString());

            Elements module = containerDoc.getElementsByClass("module-list");

            Document moduleDoc = Jsoup.parse(module.toString());

            //Elements clearfix = moduleDoc.getElementsByClass("clearfix");  //DOM的形式

            Elements clearfix = moduleDoc.select(".clearfix");  //选择器的形式

            for (Element clearfixli : clearfix){

                Document clearfixliDoc = Jsoup.parse(clearfixli.toString());

                Elements kind = clearfixliDoc.select(".board-tag");  //选择器的形式

                Elements title = clearfixliDoc.select(".tit-post");

                Elements author = clearfixliDoc.select("span a");

               System.out.println("类别"+kind.text());  //分类

               System.out.println("标题"+title.text());  //标题

               System.out.println("作者"+author.text());  //作者

                System.out.println("详情链接"+title.attr("href"));  //标题下的链接

                System.out.println("=====================");

            }

              //  String title = clearfixli.getElementsByTag("a").text();

          //  System.out.println(clearfix);

        } catch (IOException e) {

            e.printStackTrace();

        }

    }

}

结果：

=================================================================================================

2.解析详情页面和评论

链接：http://sex.guokr.com/post/1100992/

上述就是页面的内容

然后我们看下源码：

内容：

评论：

看完源码后，我们进行编码：

import org.jsoup.Jsoup;

import org.jsoup.nodes.Document;

import org.jsoup.nodes.Element;

import org.jsoup.select.Elements;

import java.io.IOException;

/**

 * 使用Jsoup解析帖子详情和评论

 * @tag: url:http://sex.guokr.com/post/1100992/

 * Created by monster on 2015/12/11.

 */

public class JSoupDetail {

    public static void main(String args[]){

        final String url=  "http://sex.guokr.com/post/1100992/";

        try {

            Document doc = Jsoup.connect(url).get();

            Elements container = doc.getElementsByClass("container");

            Document containerDoc = Jsoup.parse(container.toString());

            String articleTitle =  containerDoc.getElementById("articleTitle").text();

            String authorName = containerDoc.getElementById("authorName").text();

            String time = containerDoc.select("span").first().text();

            String imgphotoUrl=containerDoc.select("img").get(1).attr("src");

            System.out.println("标题：" + articleTitle); //标题

            System.out.println("作者："+authorName); //作者

            System.out.println("发布时间："+time); //发布时间

            System.out.println("作者头像的url："+imgphotoUrl); //发布时间

            Element articleContent =  containerDoc.getElementById("articleContent");

            Document articleContentDoc = Jsoup.parse(articleContent.toString());

           int size=  articleContentDoc.select("p").size();

            System.out.println("段落数："+size);

            System.out.println("帖子内容：");

            for (int i=0;i<size;i++){

               String content =  articleContentDoc.select("p").get(i).text();

                System.out.println(content);

            }

            System.out.println("================================================");

        System.out.println("帖子评论区域（按照楼层分布）");

            Elements cmts =containerDoc.getElementsByClass("cmts");

            Document cmtsDoc = Jsoup.parse(cmts.toString());

            System.out.println("评论楼层："+cmtsDoc.select("span").first().text());

            Elements cmtslist =cmtsDoc.getElementsByClass("cmts-list");

            for (Element clearfix:cmtslist){

                String user =  clearfix.select("a").get(1).text();

                String userPhotoUrl =clearfix.select("img").get(0).attr("src");

                String replyTime = clearfix.select("a").get(3).text();

               String floor=clearfix.select("span").text();

                System.out.println("评论者："+user+"\n"+"评论者头像url："+userPhotoUrl+"\n"+"回复时间："+replyTime+"\n"+"所在楼层："+floor);

                Document replyContentDoc = Jsoup.parse(clearfix.toString());

               Elements replyContent =  replyContentDoc.getElementsByClass("cmt-content");

                System.out.println("评论内容：");

                int s =replyContent.select("p").size();

               for (int j=0;j<s;j++){

                 String replycontent =   replyContent.select("p").get(j).text();

                   System.out.println(replycontent);

               }

                System.out.println("================================================");

            }

        } catch (IOException e) {

            e.printStackTrace();

        }

    }

}

输出结果：

--------->

以上就是小编的demo，写的有点简单，希望理解，啊哈~

另外：欢迎关注小编的博客，么么哒

码农公寓

相关文章