Jsoup简介
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。官网：https://jsoup.org/
主要功能
-
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、文本可操作HTML元素、属性、文本
注意：jsoup是基于MIT协议发布的，可放心使用于商业项目。
Maven依赖关系
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.11.3</version>
</dependency>
jsoup api
6个包提供用于开发jsoup应用程序的类和接口。
- org.jsoup
- org.jsoup.examples
- org.jsoup.helper
- org.jsoup.nodes
- org.jsoup.parser
- org.jsoup.safety
- org.jsoup.salect
主要类：
- Jsoup 类提供了连接，清理和解析HTML文档的方法
- Document 获取HTML文档
- Element 获取、操作HTML节点
简单学习
- 三种加载HTML的方法
@Test public void test1() throws IOException { //从URL加载HTML Document document = Jsoup.connect("http://www.baidu.com").get(); String title = document.title(); //获取html中的标题 System.out.println("title :"+title); //从字符串加载HTML String html = "<html><head><title>First parse</title></head>" + "<body><p>Parsed HTML into a doc.</p></body></html>"; Document doc = Jsoup.parse(html); title = doc.title(); System.out.println("title :"+title); //从文件加载HTML doc = Jsoup.parse(new File("F:\jsoup\html\index.html"),"utf-8"); title = doc.title(); System.out.println("title :"+title); }
2、获取html中的head，body,url等信息
@Test public void test2() throws IOException { Document document = Jsoup.connect("http://www.baidu.com").get(); String title = document.title(); System.out.println("title :"+title); //获取html中的head System.out.println(document.head()); //获取html中的body //System.out.println(document.body()); //获取HTML页面中的所有链接 Elements links = document.select("a[href]"); for (Element link : links){ System.out.println("link : "+ link.attr("href")); System.out.println("text :"+ link.text()); } }
3、获取URL的元信息
@Test public void test3() throws IOException { Document document = Jsoup.connect("https://passport.lagou.com").get(); System.out.println(document.head()); //获取URL的元信息 String description = document.select("meta[name=description]").get(0).attr("content"); System.out.println("Meta description : " + description); String keywords = document.select("meta[name=keywords]").first().attr("content"); System.out.println("Meta keyword : " + keywords); }
4、根据class名称获取表单
@Test public void test4() throws IOException { Document document = Jsoup.connect("https://passport.lagou.com/login/login.html?signature=8ECBCDF2B86061432B425A0B94FC863B&service=https%253A%252F%252Fwww.lagou.com%252F&action=login&serviceId=lagou&ts=1547711303033").get(); //获取拉勾网登入页面的body //System.out.println(document.body()); //根据class名称获取表单 Elements formElement = document.getElementsByClass("form_body"); System.out.println(formElement.html()); //获取URL的元信息 for (Element inputElement : formElement) { String placeholder = inputElement.getElementsByTag("input").attr("placeholder"); System.out.println(placeholder); } }
5、提取并打印表单参数
@Test public void test5() throws IOException { Document document = Jsoup.parse(new File("F:\jsoup\html\login.html"),"utf-8"); Element loginform = document.getElementById("registerform"); Elements inputElements = loginform.getElementsByTag("input"); for (Element inputElement : inputElements) { String key = inputElement.attr("name"); String value = inputElement.attr("value"); System.out.println("Param name: "+key+" -- Param value: "+value); } }
6、设置元素的html内容
@Test
public void test6() throws IOException {
Document document = Jsoup.parse(new File("F:\jsoup\html\index.html"),"utf-8");
System.out.println(document.body());// <div id="div1"></div>
System.out.println("*************");
Element div = document.select("div").first();
div.html("<p>Hello</p>"); // <div id="div1"><p>Hello</p></div>
div.prepend("<p>Fiest</p>"); //<div id="div1"><p>Fiest</p><p>Hello</p></div>
div.append("<p>Last</p>"); //<div id="div1"><p>Fiest</p><p>Hello</p><p>Last</p></div>
System.out.println(document.body());
System.out.println("*************");
System.out.println(div.text());
System.out.println("*************");
//对元素包裹一个外部HTML内容
div.wrap("<div id="div2"></div>"); //<div id="div2"><div id="div1"><p>Fiest</p><p>Hello</p><p>Last</p></div>
System.out.println(document.body());
}
7、设置元素的文本内容
@Test
public void test7() throws IOException {
Document document = Jsoup.parse(new File("F:\jsoup\html\index.html"),"utf-8");
System.out.println(document.body());// <div id="div1"></div>
System.out.println("*************");
Element div = document.select("div").first();
div.text("7 > 8 "); // <div id="div1">7 > 8 </div>
div.prepend("Fiest "); //<div id="div1">Fiest 7 > 8</div>
div.append("Last "); //<div id="div1">Fiest 7 > 8 Last</div>
System.out.println(document.body());
System.out.println("*************");
System.out.println(div.text());
}
可参考网站：https://www.jianshu.com/p/fd5caaaa950d
jsoup中文官网