【JAVA】使用JSOUP让JAVA取得网页上的文字

时间 2019-11-16

标签 JAVA 使用 jsoup java 取得网页文字栏目 Java 繁體版

原文原文链接

由于以前参加比赛摆摊的经验，有不少人都会问关于咱们专题是怎么让JAVA / Android的读到网页上的文字，因此我这个无业游民就来回馈你们了!!
废话很少说，立刻来讲明到底要怎么使用JSOUP─HTML/ XML解析取得网页上的文字!!html

关于JSOUP
它是一个别人写好的JAVA套件，能够解析HTML及XML，至因而为何能作到，
由于HTML和XML有所谓的标签java

如上图，就是这个左右大小于括起来的东西，
它能取得指定的标签，一直到下一个结束为止，因此凡有标签的网页，JSOUP都能取得标签包夹的资料。
因而乎，咱们能够概括出JSOUP能做的事情有：node

取得HTML网页的文字（标签若重覆，则取得方法在后面有范例）
取得XML网页的文字（由于标签不会有重覆的状况，解析标签会达到最佳效果）
资料库的资料（将取得资料库的PHP的网页按右键检视原始码后，会显示成HTML语言，接下来的方法同HTML）
若要取得一些每日天气的情报，能够至中央气象局的RSS，同样使用JSOUP解析网页上的内容
可使用在JAVA上，固然也能使用在Android上，但需作一些设定，就能将上述四点都应用至Android app
想到待补... ..
JSOUP事前工做
请先至JSOUP官网将JAR载档下来http://jsoup.org/downloadandroid

将载下来的jar档放到你的要使用的JAVA Project底下
（这一步能够不作，但若是换电脑的话罐会找不到或罐子路径错误）app

开启撰写平台ui

点击Java Build Path，并按下右侧的添加外部JAR选择你刚刚载的jsoup.jar档案的路径
（这一步若是在换电脑写程序时，路径会跑掉，得从新再作一次）url

加入后会长下面那个样子，这样就表示能够开始使用JSOUP了.net

JSOUP简单范例程序及说明
下面将以简单的HTML网页做为范例解说：code

<html> <head> <meta http-equiv="Content-Type" content="text/html;
charset=utf-8"> <title>今天你好嗎?</title> </head> <body>xml
<table>
    <tr><td>喜</td><td>樂</td></tr>
    <tr><td>怒</td><td>哀</td></tr>
</table> </body> </html>

这是一个有表的HTML网页，其显示结果为

就...。长这个样子而已

接下来我打算解析这个网页的标题以及表中的第二个值

JAVA代码以下：

import java.net.URL; import org.jsoup.Jsoup; import
org.jsoup.nodes.Document; import org.jsoup.parser.Parser; import
org.jsoup.select.Elements;

public class main {

public static void main(String[] args) throws Exception {
    // TODO Auto-generated method stub
        Parsing();
}
public static void Parsing() throws Exception {
    URL url = new URL(&amp;amp;amp;amp;amp;amp;amp;quot;http://在這邊輸入你要解析的網頁網址&amp;amp;amp;amp;amp;amp;amp;quot;);

    Document xmlDoc =  Jsoup.parse(url, 3000); //使用Jsoup jar 去解析網頁
    //(要解析的文件,timeout)
    Elements title = xmlDoc.select(&amp;amp;amp;amp;amp;amp;amp;quot;title&amp;amp;amp;amp;amp;amp;amp;quot;);

//要解析的tag元素為title

Elements happy = xmlDoc.select(&amp;amp;amp;amp;amp;amp;amp;quot;td&amp;amp;amp;amp;amp;amp;amp;quot;);

//要解析的tag元素為td

System.out.println("Title is "+title.get(0).text()); //获得title tag的內容
    System.out.println("you select mood is "+happy.get(1).text()); //获得td tag的內容
    //注意: 因為有好多個td 我想要取得的是<td>樂</td> 是第2個td 因此填get(1)

}   }

注解已打在代码上，值得注意的地方是在取得

在上面的关于JSOUP中有提到Android也可使用这个方式，除了将代码改成Android代码之外，还要在Android Project的AndroidManifest.xml中调整成如下代码：

<uses-sdk android:minSdkVersion="7" />
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
<uses-permission android:name="android.permission.INTERNET"/>
进行改版本以及开启网路权限

Android的代码我就不提供了（电脑跑Android模拟器很慢+没有Android手持装置），就看成业本身改吧XD另外就是加入jsoup.jar档时，能够加在Android Project的libs资料夹底下。