Jsoup-解析Html文档

最新推荐文章于 2022-03-18 23:30:40 发布

原创最新推荐文章于 2022-03-18 23:30:40 发布 · 470 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍使用Jsoup库解析HTML文档的方法，包括如何加载HTML字符串、获取特定标签内容及读取文档基本信息。Jsoup能有效处理不规范的HTML文档，确保解析过程的顺利。

Jsoup-解析Html文档

解析和遍历一个HTML文档

    // 根据html字符串代码进行加载
public void analyHtml(String html) {

    Document doc = Jsoup.parse(html);

    Element body = doc.body(); 

    System.out.println(doc.getElementsByTag("title"));
    System.out.println(body.toString()); // 获取html文档里面的body
    System.out.println(doc.nodeName()); // 节点名称
    System.out.println(doc.outerHtml()); // 读取整个html标签
    System.out.println(doc.title());
}

main主函数

    public static void main(String[] args) throws IOException {
    //new JsoupHtml().analyUrl("http://blog.youkuaiyun.com/acm_th");
         new JsoupHtml().analyHtml(
         "<html><head>"
         + "<title>First parse</title>"
         + "</head>"
         + "<body><p>Parsed HTML into a doc.</p></body>"
         + "</html>");
    }

输出：

<title>First parse</title>
<body>
 <p>Parsed HTML into a doc.</p>
</body>
#document
<html>
 <head>
  <title>First parse</title>
 </head>
 <body>
  <p>Parsed HTML into a doc.</p>
 </body>
</html>
First parse

其解析器能够尽最大可能从你提供的HTML文档来创见一个干净的解析结果，无论HTML的格式是否完整。比如它可以处理：

没有关闭的标签 (比如： <p>Lorem <p>Ipsum parses to <p>Lorem</p> <p>Ipsum</p>)
隐式标签 (比如. 它可以自动将 <td>Table data</td>包装成<table><tr><td>?)
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）
一个文档的对象模型
文档由多个Elements和TextNodes组成 (以及其它辅助nodes：详细可查看：nodes package tree).
其继承结构如下：Document继承Element继承Node. TextNode继承 Node.
一个Element包含一个子节点集合，并拥有一个父Element。他们还提供了一个唯一的子元素过滤列表。