Jsoup 配置和使用
基于Java的html解析器Jsoup的简单介绍
Jsoup 下载
Jsoup是一个基于Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。
- 使用
Maven下载：
(Maven使用可以参照以往的博客)
<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.9.2</version>
</dependency>
- 官网Jsoup
Jsoup 使用
特点：
- 没有关闭的标签 (比如：
Lorem
Ipsum parses to
Lorem
Ipsum
) - 隐式标签 (比如. 它可以自动将 Table data包装成
?) - 创建可靠的文档结构（html标签包含head 和 body，在head只出现恰当的元素）
- 1 Jsoup.parse(String html)和Jsoup.parse(String html, String baseUri); // 解析一个
HTMl字符串 - 2 Jsoup.parseBodyFragment(String html); // 解析一个
body片断 - 3 Jsoup.connect(String url); //从一个
URL解析一个Document可以通过选择器来查找元素 - 4 Jsoup.parse(File in, String charsetName, String baseUri); //从本地加载一个
文档
- 解析一个
HTMl字符串
String html = "<html><head><meta charset='UTF-8'><title>three.js</title></head><body>"+
"<script type='text/javascript' src='js/Three/three.js'></script>"+
"<script></script></body></html>";
Document doc = Jsoup.parse(html);
System.out.println(doc);
output:
<html>
<head>
<meta charset="UTF-8" />
<title>three.js</title>
</head>
<body>
<script type="text/javascript" src="js/Three/three.js"></script>
<script></script>
</body>
</html>
- 解析一个
URL，这里我们解析的是Google的首页的登陆按钮(按钮id:gb_70)然后回去按钮的文本。
Document google = Jsoup.connect("https://www.google.com.hk/").get();
Element login = google.getElementById("gb_70");
System.out.println(login.text());
output:登入
