后端使用Jsoup对html文档的处理

最新推荐文章于 2023-03-14 14:49:05 发布

原创最新推荐文章于 2023-03-14 14:49:05 发布 · 210 阅读

0 ·

CC 4.0 BY-SA版权

开发记录专栏收录该内容

2 篇文章

订阅专栏

本文介绍如何使用Jsoup解析HTML文档并提取图片与视频链接。通过将HTML片段转换为DOM对象，利用Jsoup提供的API，如getElementByTag等，实现对<img>标签中不同属性的读取，最终获取到媒体文件的相关信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

有时候需要对前端传入的html文档做处理，简单的场景下可用正则实现，但如果遇到复杂的情形，比如需要对整个dom片段进行数据提取和归类，可以考虑使用Jsoup。
Jsoup可以解析dom片段，并提供了类似jQuery操作dom的api，例如getElementById,getElementByTagName等等。
实际项目代码：

依赖

<dependency>
		<groupId>org.jsoup</groupId>
		<artifactId>jsoup</artifactId>
		<version>1.8.3</version>
</dependency>

java代码：

/**
     * 获取文中的图片和视频
     *
     * @param htmlStr
     * @return
     */
    public static List<MediaDTO> getMediaList(String htmlStr) {
        List<MediaDTO> medias = new ArrayList<>();
        //html片段转成dom对象
        Document parse = Jsoup.parseBodyFragment(htmlStr);
        //获取<img>标签
        Elements imgs = parse.getElementsByTag("img");
        for (Element img : imgs) {
        //判断是否含有 video-src属性
            if (img.hasAttr("video-src")) {
                MediaDTO mediaDTO = new MediaDTO();
                //视频类型
                mediaDTO.setMediaType("2");
                //视频链接
                mediaDTO.setUrl(img.attr("video-src"));
                //视频标题
                mediaDTO.setVideoTitle(img.attr("alt"));
                //封面id
                mediaDTO.setThumbnail(img.attr("video-post"));
                mediaDTO.setId(img.attr("video-id"));
                medias.add(mediaDTO);
            } else {
                MediaDTO mediaDTO = new MediaDTO();
                //图片类型
                mediaDTO.setMediaType("1");
                //图片链接
                mediaDTO.setUrl(img.attr("src"));
                medias.add(mediaDTO);

            }
        }

        return medias;
    }