基于Java的html解析器Jsoup的简单介绍
Jsoup 下载
Jsoup是一个基于Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。
- 使用
Maven下载：
(Maven使用可以参照以往的博客)
???????<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup --> ???????<dependency> ???????????<groupId>org.jsoup</groupId> ???????????<artifactId>jsoup</artifactId> ???????????<version>1.9.2</version> ???????</dependency>- 官网Jsoup
Jsoup 使用
特点：
- 没有关闭的标签 (比如：
Lorem
Ipsum parses to
Lorem
Ipsum
) - 隐式标签 (比如. 它可以自动将 Table data包装成
?) - 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）
- 1 Jsoup.parse(String html)和Jsoup.parse(String html, String baseUri); // 解析一个
HTMl字符串 - 2 Jsoup.parseBodyFragment(String html); // 解析一个
body片断 - 3 Jsoup.connect(String url); //从一个
URL解析一个Document可以通过选择器来查找元素 - 4 Jsoup.parse(File in, String charsetName, String baseUri); //从本地加载一个
文档
- 解析一个
HTMl字符串
????????String html = "<html><head><meta charset=‘UTF-8‘><title>three.js</title></head><body>"+ ???????????????????????"<script type=‘text/javascript‘ src=‘js/Three/three.js‘></script>"+ ????????????????????????"<script></script></body></html>"; ?????????Document doc = Jsoup.parse(html); ?????????System.out.println(doc); ????????output:
???????<html> ????????<head> ?????????<meta charset="UTF-8" /> ?????????<title>three.js</title> ????????</head> ????????<body> ?????????<script type="text/javascript" src="js/Three/three.js"></script> ?????????<script></script> ????????</body> ???????</html>- 解析一个
URL，这里我们解析的是Google的首页的登陆按钮(按钮id:gb_70)然后回去按钮的文本。
????????Document google = Jsoup.connect("https://www.google.com.hk/").get(); ??????????????????Element login = google.getElementById("gb_70"); ?????????????????System.out.println(login.text()); ????????output:登入
Jsoup 配置和使用
原文地址：https://www.cnblogs.com/chenjy1225/p/9661350.html