java操做html格式数据

近期在作数据抓取功能，抓取到的数据为html格式，需在后台进行转换后取值，为了不使用字符串查找方式获取而使用Jsonp完美实现。

1. 引入Jsonp：

1 <dependency>
2     <groupId>org.jsoup</groupId>
3     <artifactId>jsoup</artifactId>
4     <version>1.11.2</version>
5 </dependency>

2. 进行数据转换：

　　2.1 select能够获取HTML标签，类型为Elements；

　　2.2 child(int index) 能够根据坐标获取子标签；

　　2.3 text()能够获取便签内容。

 1 // 解析返回数据
 2 try {  3     Document doc = Jsoup.parse(result);  4     // 获取响应内容指定区域标签
 5     Elements elements = doc.select(".BOC_main").select("tr");  6     // 获取具体值
 7     text = elements.get(1).child(6).text();  8 } catch(Exception e) {  9  e.printStackTrace(); 10 }

3. 抓取数据方法：

　　其中，请求属性要根据实际状况修改。

private static String getUrlInfo(String url, String methodType, String param){ try { URL url = new URL(urls); HttpURLConnection conn = (HttpURLConnection) url.openConnection(); // 设置链接超时时间
        conn.setConnectTimeout(60000); // 设置读取超时时间
        conn.setReadTimeout(60000); if("Get".equalsIgnoreCase(methodType)) { conn.setRequestMethod("GET"); }else { conn.setRequestMethod("POST"); } // 设置请求属性
        conn.setRequestProperty("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8"); conn.setRequestProperty("Connection", "keep-alive"); conn.setRequestProperty("Content-Type", "application/x-www-form-urlencoded"); conn.setRequestProperty("Host", "host"); conn.setDoInput(true); conn.setDoOutput(true); // 设置是否使用缓存
        conn.setUseCaches(false); if(StringUtil.isNotBlank(param)) { // 创建输入流，向指向的URL传入参数
            DataOutputStream dos=new DataOutputStream(conn.getOutputStream()); dos.writeBytes(param); dos.flush(); dos.close(); } // 输出返回结果
        InputStream input = conn.getInputStream(); int resLen =0; byte[] res = new byte[1024]; StringBuilder sb=new StringBuilder(); while((resLen=input.read(res))!=-1){ sb.append(new String(res, 0, resLen)); } return sb.toString(); } catch (MalformedURLException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } return ""; }