Jsoup使用

时间 2020-08-02

标签 jsoup 使用栏目 Java 繁體版

原文原文链接

jsoup是一款Java的HTML解析器,主要用来对HTML解析.在爬虫的时候,当咱们用HttpClient之类的框架,获取到网页源码以后,须要从网页源码中取出咱们想要的内容,就能够使用jsoup这类HTML解析器了,能够很是轻松的实现.虽然jsoup也支持从某个地址直接去爬取网页源码,可是只支持HTTP,HTTPS协议,支持不够丰富.因此,主要仍是用来对HTML进行解析.其中,要被解析的HTML能够是一个HTML的字符串,能够是一个URL,能够是一个文件.
一快速入门
1. 导入jar包
2. 获取Document对象
3. 获取对应的标签Element对象
4. 获取数据css

[Java] 纯文本查看复制代码

 
         //2.1获取student.xml的path 
        
         String path = JsoupDemo1. 
         class 
         .getClassLoader().getResource( 
         "student.xml" 
         ).getPath(); 
        
         //2.2解析xml文档，加载文档进内存，获取dom树--->Document 
        
         Document document = Jsoup.parse( 
         new 
         File(path),  
         "utf-8" 
         ); 
        
         //3.获取元素对象 Element 
        
         Elements elements = document.getElementsByTag( 
         "name" 
         ); 
        
         System.out.println(elements.size()); 
        
         //3.1获取第一个name的Element对象 
        
         Element element = elements.get( 
         0 
         ); 
        
         //3.2获取数据 
        
         String name = element.text(); 
        
         System.out.println(name);

二类的说明
1. Jsoup：工具类，能够解析html或xml文档，返回Document
* parse：解析html或xml文档，返回Document
* parse(File in, String charsetName)：解析xml或html文件的。
* parse(String html)：解析xml或html字符串
* parse(URL url, int timeoutMillis)：经过网络路径获取指定的html或xml的文档对象
2. Document：文档对象。表明内存中的dom树
* 获取Element对象
* getElementById(String id)：根据id属性值获取惟一的element对象
* getElementsByTag(String tagName)：根据标签名称获取元素对象集合
* getElementsByAttribute(String key)：根据属性名称获取元素对象集合
* getElementsByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合
3. Elements：元素Element对象的集合。能够当作 ArrayList<Element>来使用
4. Element：元素对象
1. 获取子元素对象
* getElementById(String id)：根据id属性值获取惟一的element对象
* getElementsByTag(String tagName)：根据标签名称获取元素对象集合
* getElementsByAttribute(String key)：根据属性名称获取元素对象集合
* getElementsByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合
2. 获取属性值
* String attr(String key)：根据属性名称获取属性值
3. 获取文本内容
* String text():获取文本内容
* String html():获取标签体的全部内容(包括字标签的字符串内容)
5. Node：节点对象
* 是Document和Element的父类
三快捷查询方式
1. selector:选择器
* 使用的方法：Elements select?(String cssQuery)
* 语法：参考Selector类中定义的语法
2. XPath：XPath即为XML路径语言，它是一种用来肯定XML（标准通用标记语言的子集）文档中某部分位置的语言
* 使用Jsoup的Xpath须要额外导入jar包。
* 查询w3cshool参考手册，使用xpath的语法完成查询html

[Java] 纯文本查看复制代码

 
         //1.获取student.xml的path 
        
         String path = JsoupDemo6. 
         class 
         .getClassLoader().getResource( 
         "student.xml" 
         ).getPath(); 
        
         //2.获取Document对象 
        
         Document document = Jsoup.parse( 
         new 
         File(path),  
         "utf-8" 
         ); 
        
         //3.根据document对象，建立JXDocument对象 
        
         JXDocument jxDocument =  
         new 
         JXDocument(document); 
        
         //4.结合xpath语法查询 
        
         //4.1查询全部student标签 
        
         List<JXNode> jxNodes = jxDocument.selN( 
         "//student" 
         ); 
        
         for 
         (JXNode jxNode : jxNodes) { 
        
         System.out.println(jxNode); 
        
         } 
        
         System.out.println( 
         "--------------------" 
         ); 
        
         //4.2查询全部student标签下的name标签 
        
         List<JXNode> jxNodes2 = jxDocument.selN( 
         "//student/name" 
         ); 
        
         for 
         (JXNode jxNode : jxNodes2) { 
        
         System.out.println(jxNode); 
        
         } 
        
         System.out.println( 
         "--------------------" 
         ); 
        
         //4.3查询student标签下带有id属性的name标签 
        
         List<JXNode> jxNodes3 = jxDocument.selN( 
         "//student/name[@id]" 
         ); 
        
         for 
         (JXNode jxNode : jxNodes3) { 
        
         System.out.println(jxNode); 
        
         } 
        
         System.out.println( 
         "--------------------" 
         ); 
        
         //4.4查询student标签下带有id属性的name标签 而且id属性值为itcast 
        
         List<JXNode> jxNodes4 = jxDocument.selN( 
         "//student/name[@id='itcast']" 
         ); 
        
         for 
         (JXNode jxNode : jxNodes4) { 
        
         System.out.println(jxNode); 
        
         }

更多免费技术资料可关注：annalin1203java