Jsoup 解析 HTML

Jsoup 文档

方法

示例:

String html = "<p>An <a href='http://example.com/'><b>example</b></a> link.</p>";
Document doc = Jsoup.parse(html);//解析HTML字符串返回一个Document实现
Element link = doc.select("a").first();//查找第一个a元素 String text = doc.body().text(); // "An example link"//取得字符串中的文本
String linkHref = link.attr("href"); // "http://example.com/"//取得链接地址
String linkText = link.text(); // "example""//取得链接地址中的文本 String linkOuterH = link.outerHtml();
// "<a href="http://example.com"><b>example</b></a>"
String linkInnerH = link.html(); // "<b>example</b>"//取得链接内的html内容

说明

上述方法是元素数据访问的核心办法。此外还其它一些方法可以使用:

这些访问器方法都有相应的setter方法来更改数据.

参见

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。请参考:http://jsoup.org/

    jsoup的主要功能如下:

     从一个URL,文件或字符串中解析HTML;

     使用DOM或CSS选择器来查找、取出数据;

     可操作HTML元素、属性、文本;

     jsoup是基于MIT协议发布的,可放心使用于商业项目。

    下载和安装:

     maven安装方法:

      把下面放入pom.xml下

       <dependency>

         <!-- jsoup HTML parser library @ http://jsoup.org/ -->

        <groupId>org.jsoup</groupId>

        <artifactId>jsoup</artifactId>

        <version>1.5.2</version>

       </dependency>

     用jsoup解析html的方法如下:

       解析url html方法

Document doc =Jsoup.connect("http://example.com") .data("query","Java")   .userAgent("Mozilla")   .cookie("auth","token")   .timeout(3000)   .post();

     从文件中解析的方法:

File input =newFile("/tmp/input.html");Document doc =Jsoup.parse(input,"UTF-8","http://example.com/");

 类试js  jsoup提供下面方法:

getElementById(String id) 用id获得元素

getElementsByTag(String tag) 用标签获得元素

getElementsByClass(String className) 用class获得元素

getElementsByAttribute(String key)  用属性获得元素

同时还提供下面的方法提供获取兄弟节点:

siblingElements(), firstElementSibling(), lastElementSibling();nextElementSibling(), previousElementSibling()

用下面方法获得元素的数据:

attr(String key)  获得元素的数据 

attr(String key, String value) t设置元素数据 

attributes() 获得所以属性 

id(), className()  classNames() 获得id class得值

text()获得文本值

text(String value) 设置文本值 

html() 获取html  

html(String value)设置html

outerHtml() 获得内部html 

data()获得数据内容

tag()  获得tag 和 tagName() 获得tagname

操作html提供了下面方法:

append(String html), prepend(String html)

appendText(String text), prependText(String text)

appendElement(String tagName), prependElement(String tagName)

html(String value)

通过类似jquery的方法操作html
File input =newFile("/tmp/input.html");Document doc =Jsoup.parse(input,"UTF-8","http://example.com/");Elements links = doc.select("a[href]");// a with hrefElements pngs = doc.select("img[src$=.png]"); // img with src ending .pngElement masthead = doc.select("div.masthead").first(); // div with class=mastheadElements resultLinks = doc.select("h3.r > a");// direct a after h3 支持的操作有下面这些: tagname 操作tag ns|tag ns或tag #id 用id获得元素 .class 用class获得元素 [attribute] 属性获得元素 [^attr]: 以attr开头的属性 [attr=value] 属性值为value [attr^=value], [attr$=value], [attr*=value] [attr~=regex]正则 *:所以的标签 选择组合
el#id el和id定位 el.class e1和class定位 el[attr] e1和属性定位 ancestor child ancestor下面的child 等等


上一篇:WPF带小箭头的按钮


下一篇:Jsoup解析HTML、加载文档等实例