Jsoup抓取(获取)网页内容(java)

本文介绍了在尝试多种Java网页抓取库后,作者最终选择并成功使用Jsoup进行网页内容抓取的经历。提供了Jsoup的jar包下载链接,并分享了可以直接运行的Java代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我是在一篇博客里一个一个地测试(HttpClientJsoupHtmlUnitWatijSelenium、Webspec)各种问题找不到对应的jar包等

,最终只有一个能用Jsoup(运气好找到了)。

原创文章,转载请注明出处:http://www.yshjava.cn/post/415.html(好像上不了了) 

其他人转的博客:https://blog.youkuaiyun.com/limm33/article/details/78811165

 

需要的jar包 
下载一个 jsoup-1.6.1.jar (一个外国网站可以免费下载:http://www.java2s.com/Code/Jar/j/Downloadjsoup161jar.htm )

com.im.base_one.java代码(复制运行就ok了)

package com.im.base_one;

import java.io.IOException;
import org.jsoup.Jsoup;

public class zhuabao {
    
     public static void main(String[] args) throws IOException {  
         Jsoup_fangfa();        
        }  
     
     
     /** 
      *  基于Jsoup抓取网页内容 
      */  
     public static void Jsoup_fangfa() throws IOException {
         
         //目标页面  
           String url = "https://www.baidu.com/";  //需要获取的网站
            //使用Jsoup连接目标页面,并执行请求,获取服务器响应内容  
            String html = Jsoup.connect(url).execute().body();  
            //打印页面内容  
            //System.out.println(html); 
            //后面的,就是写你要获取的数据(我一般用正则获取所需要的数据)
           //正则努力写中。。。哈哈哈

           //正则部分已写出

          String rgex="<li class=\"sky skyid lv2 on\">(.*?)</li>";  //(.*?)所有内容          注意空格(好像也算入)
            List<String> lists = getSubUtil(html,rgex);
            for (String string : lists) {
                System.out.println(string);
            }

          //基本完成了,可以把获取的  System.out.println(string); 中的string传到页面(jsp)

         //$("#formLogin").html("传过来的内容");




     }



//正则表达式匹配两个指定字符串中间的内容  返回:

 public static List<String> getSubUtil(String soap,String rgex){  
            List<String> list = new ArrayList<String>();  
            
            //Pattern pattern = Pattern.compile(rgex);//  编译正则表达式    当遇到  换行符  就匹配不出了
            Pattern pattern = Pattern.compile(rgex, Pattern.CASE_INSENSITIVE | Pattern.DOTALL);//  编译正则表达式
          
            Matcher m = pattern.matcher(soap);//通过  matcher 进行匹配
            while (m.find()) {  
                int i = 1;  
                list.add(m.group(i));  
                i++;  
            }  
            return list;  
        } 





}

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值