Java爬虫入门五
使用Jsoup进行html元素的解析
<!--Jsoup依赖 -->
<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.11.3</version>
</dependency>
导入commons包方便进行文件以及字符串的解析
<!-- https://mvnrepository.com/artifact/commons-io/commons-io -->
<dependency>
<groupId>commons-io</groupId>
<artifactId>commons-io</artifactId>
<version>2.4</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-lang3 -->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-lang3</artifactId>
<version>3.9</version>
</dependency>
方便查找依赖:maven仓库
代码
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.net.URL;
/**
* jsoup解析html
*/
public class JsoupTest1 {
public static void main(String[] args) throws Exception {
// 解析url
Document doc = Jsoup.parse(new URL("http://www.itcast.cn"), 1000);
// 解析html
Jsoup.parse("test.html");
// 解析文件
Jsoup.parse(new File("test.html"), "utf8");
// 使用标签选择器,获取内容
Element title = doc.getElementsByTag("title").first();
System.out.println(title.text());
// 通过id选择器获取内容
Element city_bi = doc.getElementById("city_bi");
System.out.println(city_bi.text());
// 通过class获取
Element class_a = doc.getElementsByClass("class_a").first();
System.out.println(class_a.text());
// 通过属性获取
Elements adc = doc.getElementsByAttribute("adc");
Elements elementsByAttributeValue = doc.getElementsByAttributeValue("adc", "sh");
System.out.println(adc.text());
}
}
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 【设计模式】告别冗长if-else语句:使用策略模式优化代码结构
· 字符编码:从基础到乱码解决
· 提示词工程——AI应用必不可少的技术