1.
//解析xml的文档对象
Document document= Jsoup.parse("<?xml version=\"1.0\" encoding=\"utf-8\" ?>\n" +
"<students>\n" +
" <student id=\"1\" class=\"tty\">\n" +
" <name color=\"pink\">唐婷栎</name>\n" +
" <age>19</age>\n" +
" <sex>女</sex>\n" +
" <favorite>study</favorite>\n" +
" </student>\n" +
" <student id=\"2\" class=\"tjx\">\n" +
" <name color=\"blue\">唐峻熙</name>\n" +
" <age>4</age>\n" +
" <sex>男</sex>\n" +
" <favorite>play</favorite>\n" +
" </student>\n" +
"\n" +
"</students>");
Elements elements=document.getAllElements();
System.out.println("elements:"+elements);
2.
//解析html的文档对象
URL url = null;
try {
url = new URL("https://www.jianshu.com/u/b7b2c6ed9284");
Document document = Jsoup.parse(url,10000);
System.out.println("document:"+document);
} catch (IOException e) {
e.printStackTrace();
}
c.parse(URL url,int timeoutMillis):通过网络路径指定的html或xml的文档对象
Jsoup的强大在于它对文档元素的检索,Select方法将返回一个Elements集合,并提供一组方法来抽取和处理结果,即Jsoup的选择器语法。
1、Selector选择器基本语法
tagname: 通过标签查找元素,比如:a
ns|tag: 通过标签在命名空间查找元素,比如:可以用 fb|name 语法来查找 <fb:name> 元素
#id: 通过ID查找元素,比如:#logo
.class: 通过class名称查找元素,比如:.masthead
[attribute]: 利用属性查找元素,比如:[href]
[^attr]: 利用属性名前缀来查找元素,比如:可以用[^data-] 来查找带有HTML5 Dataset属性的元素
[attr=value]: 利用属性值来查找元素,比如:[width=500]
[attr^=value], [attr$=value], [attr*=value]: 利用匹配属性值开头、结尾或包含属性值来查找元素,比如:[href*=/path/]
[attr~=regex]: 利用属性值匹配正则表达式来查找元素,比如: img[src~=(?i)\.(png|jpe?g)]
*: 这个符号将匹配所有元素
2、Selector选择器组合使用语法
el#id: 元素+ID,比如: div#logo
el.class: 元素+class,比如: div.masthead
el[attr]: 元素+class,比如: a[href]
任意组合,比如:a[href].highlight
ancestor child: 查找某个元素下子元素,比如:可以用.body p 查找在”body”元素下的所有 p元素
parent > child: 查找某个父元素下的直接子元素,比如:可以用div.content > p 查找 p 元素,也可以用body > * 查找body标签下所有直接子元素
siblingA + siblingB: 查找在A元素之前第一个同级元素B,比如:div.head + div
siblingA ~ siblingX: 查找A元素之前的同级X元素,比如:h1 ~ p
el, el, el:多个选择器组合,查找匹配任一选择器的唯一元素,例如:div.masthead, div.logo
3、Selector伪选择器语法
:lt(n): 查找哪些元素的同级索引值(它的位置在DOM树中是相对于它的父节点)小于n,比如:td:lt(3) 表示小于三列的元素
:gt(n):查找哪些元素的同级索引值大于n,比如: div p:gt(2)表示哪些div中有包含2个以上的p元素
:eq(n): 查找哪些元素的同级索引值与n相等,比如:form input:eq(1)表示包含一个input标签的Form元素
:has(seletor): 查找匹配选择器包含元素的元素,比如:div:has(p)表示哪些div包含了p元素
:not(selector): 查找与选择器不匹配的元素,比如: div:not(.logo) 表示不包含 class="logo" 元素的所有 div 列表
:contains(text): 查找包含给定文本的元素,搜索不区分大不写,比如: p:contains(jsoup)
:containsOwn(text): 查找直接包含给定文本的元素
:matches(regex): 查找哪些元素的文本匹配指定的正则表达式,比如:div:matches((?i)login)
:matchesOwn(regex): 查找自身包含文本匹配指定正则表达式的元素
注意:上述伪选择器索引是从0开始的,也就是说第一个元素索引值为0,第二个元素index为1等。
部分代码展示:
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.io.IOException;
public class jsoupDemo5 {
public static void main(String[] args) {
//使用多种select选择器
String path= jsoupDemo5.class.getClassLoader().getResource("students.xml").getPath();
try {
Document document=Jsoup.parse(new File(path),"UTF-8");
//方法1:使用*选择器
System.out.println("使用*选择器");
Elements elements=document.select("*");
System.out.println("elements:"+elements);
System.out.println("*****************");
//方法2:使用id选择器
System.out.println("使用id选择器");
Elements element=document.select("#1");
System.out.println("element:"+element);
System.out.println("*****************");
//方法3:使用class选择器
System.out.println("使用class选择器");
Elements element1=document.select(".tjx");
System.out.println("element1:"+element1);
System.out.println("*****************");
//方法4:使用tag选择器
System.out.println("使用tag选择器");
Elements element2=document.select("name");
System.out.println("element2:"+element2);
System.out.println("*****************");
//方法5:使用[attr=value]选择器
System.out.println("使用[attr=value]选择器");
Elements element3=document.select("[width=50]");
System.out.println("element3:"+element3);
System.out.println("*****************");
//方法6:使用eq选择器
System.out.println("使用eq选择器");
Elements element4=document.select("student age:eq(1)");
System.out.println("element4:"+element4);
System.out.println("*****************");
//方法7:使用contains选择器
System.out.println("使用contains选择器");
Elements element5=document.select("age:contains(19)");
System.out.println("element5:"+element5);
System.out.println("*****************");
//方法8:使用not选择器
System.out.println("使用not选择器");
Elements element6=document.select("student:not(.tjx)");
System.out.println("element6:"+element6);
System.out.println("*****************");
//方法9:使用ancestor child选择器
System.out.println("使用ancestor child选择器");
Elements element7=document.select("students name");
System.out.println("element7:"+element7);
System.out.println("*****************");
//方法10:使用parent>child选择器
System.out.println("使用parent>child选择器");
Elements element8=document.select("student>sex");
System.out.println("element8:"+element8);
} catch (IOException e) {
e.printStackTrace();
}
}
}