开源工具：jsoup

最新推荐文章于 2024-04-08 14:34:05 发布

转载最新推荐文章于 2024-04-08 14:34:05 发布 · 137 阅读

CC 4.0 BY-SA版权

原文链接：https://my.oschina.net/u/1385143/blog/175069

2019独角兽企业重金招聘Python工程师标准>>>

jsoup（来自开源中国：http://www.oschina.net/p/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。

jsoup的主要功能如下：

从一个URL，文件或字符串中解析HTML；
使用DOM或CSS选择器来查找、取出数据；
可操作HTML元素、属性、文本；
jsoup是基于MIT协议发布的，可放心使用于商业项目。

一下代码是一个简单的应用，改变main方法中的调用，显示不同的操作结果：

package com.jason.jsoup.test;
import java.io.File;
import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

public class HelloWorld {
	public static void main(String[] args) {
		HelloWorld t = new HelloWorld();
//此处可不同调用，显示不同的结果；
		t.parseUrl();
	}
//解析String；
	public void parseString() {
		String html = "<html><head><title>blog</title></head><body onload='test()'><p>Parsed HTML into a doc.</p></body></html>";
		Document doc = Jsoup.parse(html);
		System.out.println(doc);
		Elements es = doc.body().getAllElements();
		System.out.println(es.attr("onload"));
		System.out.println(es.select("p"));
	}
 //解析网络链接；
	public void parseUrl() {
		try {
			Document doc = Jsoup.connect("http://www.sina.com/").get();
			Elements hrefs = doc.select("a[href]");
			System.out.println(hrefs);
			System.out.println("------------------");
			System.out.println(hrefs.select("[href^=http]"));
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
  //解析本地文件；
	public void parseFile() {
		try {
			File input = new File("index.html");
			Document doc = Jsoup.parse(input, "UTF-8");
			// 提取出所有的编号
			Elements codes = doc.body().select("td[title^=IA] > a[href^=javascript:view]");
			System.out.println(codes);
			System.out.println("------------------");
			System.out.println(codes.html());
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
}

参考文章： http://blog.youkuaiyun.com/a9529lty/article/details/7008537

在线Javadoc： http://www.ostools.net/apidocs/apidoc?api=jsoup-1.6.3

转载于:https://my.oschina.net/u/1385143/blog/175069