Jsoup 快速入门

Jsoup快速入门

1. 概念

   jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。

2. 步骤

   • 导入jar包
   • 获取Document对象
   • 获取对应的Element对象
   • 获取数据

   public class JsoupDemo1 {
       public static void main(String[] args) throws IOException {
           //1.获取document对象，根据xml文档获取
   //        1.1获取student.xml的path
           String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
   //        1.2解析xml文档，加载文档进内存，获取dom树
           Document document = Jsoup.parse(new File(path),"utf-8");
   //        2 获取元素对象
           Elements elements = document.getElementsByTag("name");
   //        2.1 获取第一个name的Element对象
           Element element = elements.get(0);
   //        2.2获取数据
           String name = element.text();
           System.out.println(name);
       }
   }
   

3. 对象的使用

   • Jsoup：工具类，可以解析html或xml文档，返回Document对象

     • parse方法：解析html或xml文档，返回Document对象
       • 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）：通过网络路径获取指定的html或xml文档对象

   • Document：文档对象。代表内存中的dom树

     • 获取Element对象

       • getElementsByid（String id）：根据id属性值获取唯一的element对象

       • getElementsByTag（String tagName）：根据标签名获取元素对象集合

       • getElementsByAttribute（String key）：根据属性名称获取元素对象集合

       • getElementsByTAttributeValue（String key，String value）：根据对应的属性名和属性值获取元素对象集合

   • Elements：元素Element对象的集合。可以当做ArrayList来使用

     • 获取子元素对象

       • getElementsByid（String id）：根据id属性值获取唯一的element对象

       • getElementsByTag（String tagName）：根据标签名获取元素对象集合

       • getElementsByAttribute（String key）：根据属性名称获取元素对象集合

       • getElementsByTAttributeValue（String key，String value）：根据对应的属性名和属性值获取元素对象集合

     • 获取属性值

       • String attr（String key）：根据属性名获取属性值

     • 获取文本内容

       • String text（）：获取所有子标签的纯文本内容
       • Sting html（）：获取标签体的所有内容（包括子标签的字符串内容）

   • Node：节点对象

     • 是Document和Element的父类

4. 快捷查询方式

   • 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
   • XPath：XPath即为XML路径语言，它是一种用来确定XML文档中某部分位置的语言