Android Studio下的简单网页解析
一.导入数据
导入前添加依赖
implementation 'org.jsoup:jsoup:1.11.3'
使用字符串导入
String html = "<html><head><title>这是一个title</title></head>"
+"<body><p>这里是一个html里的内容</p></body></html>";
Document document = Jsoup.parse(html);
从网址导入
导入okhttp3依赖
dependencies {
implementation fileTree(dir: 'libs', include: ['*.jar'])
implementation 'com.squareup.okhttp3:okhttp:4.6.0'
}
通过URL来获取网页文本数据
public static String getHtml() throws Exception {
OkHttpClient okHttpClient;
okHttpClient=new OkHttpClient();
Request request = new Request.Builder()
// .addHeader() <---在这个里面加Cookie，Host等
.url("https://www.baidu.com")
.build();
Response response = okHttpClient.newCall(request).execute();
String result = response.body().string();
return result;
}
然后直接调用
Document document = Jsoup.parse(getHtml());
从文件中导入
String html = ReadFile.readToString("HTML文本.html");
Document document = Jsoup.parse(html);
二.数据解析
将Document类型的数据转化为Element类型
Element mElement = document.body(0);
这句话的意思在document里寻找到 <body> 标签，以Element类型返回里面的内容(包括<body>)
如果你需要获取的数据不存放在<body>里，则使用以下几种
1.getElementsByTag--->通过标签名寻找
例：寻找第一个<table>标签
Element mElement = document.getElementsByTag("table").eq(0).get(0);
2.getElementById--->通过ID寻找
例：寻找id="student"的标签
Element mElement = document.getElementsById("student").get(0);
3.getElementsByClass--->通过Class属性寻找
例：寻找Class="test"的标签
Element mElement = document.getElementsByClass("test").get(0);
4.getElementsByAttributeValue--->通过标签属性寻找
例：寻找Class="test"的标签
Element mElement = document1.getElementsByAttributeValue("Class","test").get(0);
三.数据处理
Element--->String
mElement.text()
//或者↓
mElement.html()
不同的是test返回的是标签里的内容，html返回的是html的格式的文本
例如下面
public static void getStr() throws Exception {
OkHttpClient okHttpClient;
okHttpClient = new OkHttpClient();
Request request = new Request.Builder()
.url("https://www.baidu.com")
.build();
Response response = okHttpClient.newCall(request).execute();
String result = response.body().string();
Document document = Jsoup.parse(result);
String s1 = document.getElementsByTag("noscript").text();
String s2 = document.getElementsByTag("noscript").html();
System.out.println("test()返回的："+s1+"\n");
System.out.println("html()返回的："+s2);
}
返回的结果：
使用字符串方法来处理数据
字符串切割
String.split("\\s+");
根据下标切割字符串
String.substring(0,string.length()-1);
删除前后空格
String.trim();
字符串的内容替换
String.replace("原来的内容","替换的内容");
字符串类型的转化
int.toString;
//或者↓
String.valueof(int);
判断是否存在特定字
String.contains("特定字");
判断是否为空
String.isEmpty();