Jsoup解析HTML实例及文档方法详解

2023年6月11日上午3:37 • JavaScript

Jsoup是什么？

Jsoup是一个Java的HTML解析器，可用于从网页中提取和处理数据。

Jsoup常用的文档方法

① connect方法：建立到指定URL的连接，并返回一个Connection对象

例如：

Connection connection = Jsoup.connect("https://www.example.com");

② get方法：执行HTTP GET请求，并返回HTML

例如：

String html = Jsoup.connect("https://www.example.com").get().html();

③ parse方法：将HTML字符串解析成一个Document对象

例如：

String html = "<html><head><title>Jsoup Example</title></head><body><p>这是Jsoup解析HTML的示例。</p></body></html>";
Document doc = Jsoup.parse(html);

④ select方法：根据CSS选择器选择元素

例如：

String html = "<html><head><title>Jsoup Example</title></head><body><div class='container'><h1>标题</h1><ul><li>选项1</li><li>选项2</li><li>选项3</li></ul></div></body></html>";
Document doc = Jsoup.parse(html);
Elements elements = doc.select(".container ul li");
for (Element element : elements) {
    System.out.println(element.text());
}

输出结果为：

选项1
选项2
选项3

Jsoup解析HTML实例

现在，我们假设有一个简单的网页需要进行解析操作。页面HTML代码如下：

<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <title>Jsoup解析HTML实例</title>
</head>
<body>
    <div>
        <h1>这是一篇博客文章标题</h1>
        <p>
            这是一篇博客文章内容。这里包含了一些<a href="#">超链接</a>和一张图片<img src="https://www.example.com/image.jpg" alt="图片说明" />。
        </p>
    </div>
</body>
</html>

我们现在要从中获取以下信息：

标题
文章内容
超链接
图片链接
图片说明文字

示例代码如下：

String html = "<!-- 页面 HTML 代码 -->";
Document doc = Jsoup.parse(html);

// 获取标题
String title = doc.title();
System.out.println("标题：" + title);

// 获取文章内容
String content = doc.select("div > p").text();
System.out.println("文章内容：" + content);

// 获取超链接
Elements links = doc.select("a");
for (Element link : links) {
    String linkText = link.text();
    String linkHref = link.attr("href");
    System.out.println("超链接：" + linkText + " -> " + linkHref);
}

// 获取图片链接和说明文字
Elements imgs = doc.select("img");
for (Element img : imgs) {
    String imgSrc = img.attr("src");
    String imgAlt = img.attr("alt");
    System.out.println("图片链接：" + imgSrc);
    System.out.println("图片说明文字：" + imgAlt);
}

输出结果如下：

标题：Jsoup解析HTML实例
文章内容：这是一篇博客文章内容。这里包含了一些超链接和一张图片。
超链接：超链接 -> #
图片链接：https://www.example.com/image.jpg
图片说明文字：图片说明

Jsoup解析HTML文件实例

下面，我们举一个更加实用的例子，假设我们需要从一个HTML文件中提取所有<a>标签的链接，并将这些链接打印出来。

首先，我们需要有一个HTML文件。我们已经准备了一个简单的example.html文件，内容如下：

<!DOCTYPE html>
<html>
<head>
    <meta charset="utf-8">
    <title>示例网站</title>
</head>
<body>
    <header>
        <h1>示例网站标题</h1>
        <nav>
            <ul>
                <li><a href="#">菜单1</a></li>
                <li><a href="#">菜单2</a></li>
                <li><a href="#">菜单3</a></li>
            </ul>
        </nav>
    </header>

    <main>
        <article>
            <h2>示例文章标题</h2>
            <p>这是一篇示例文章内容，其中包含了一些超链接和图片。</p>
            <ul>
                <li><a href="#">超链接1</a></li>
                <li><a href="#">超链接2</a></li>
                <li><a href="#">超链接3</a></li>
            </ul>
            <img src="https://www.example.com/image.jpg" alt="示例图片" />
        </article>
    </main>

    <footer>
        <p>版权所有 &copy; 2021 示例网站</p>
    </footer>
</body>
</html>

示例代码如下：

File input = new File("example.html");
try {
    Document doc = Jsoup.parse(input, "UTF-8");
    Elements links = doc.select("a[href]");
    for (Element link : links) {
        String linkHref = link.attr("href");
        System.out.println(linkHref);
    }
} catch (IOException e) {
    e.printStackTrace();
}

输出结果如下：

#
#
#
# 
#
#
https://www.example.com/image.jpg

本站文章如无特殊说明，均为本站原创，如若转载，请注明出处：Jsoup解析HTML实例及文档方法详解 - Python技术站

Jsoup解析HTML实例及文档方法详解

相关文章