Java解析和遍历html文档利器_html/css_WEB-ITnose-html教程-PHP中文网

Java解析和遍历html文档利器_html/css_WEB-ITnose

php中文网

发布： 2016-06-24 11:20:27

原创

1571人浏览过

前言：几乎任何的语言都可以解析和遍历html超文本，我常用的语言就是php啦，但是我想在android客户端获取网络http的的数据，虽然可以使用php但是需要二次连接和php环境，然而就直接使用java语言去搞，那么不可能直接用java原生语言去码的啦，使用jsoup去解析，jsoup是java语言一款不错的html解析文档的利器！

Jsoup的简介Jsoup是java语言一款不错的html解析和遍历文档的利器。

Jsoup的优点其解析器能够尽最大可能从你提供的HTML文档来创见一个干净的解析结果，无论HTML的格式是否完整。比如它可以处理：

没有关闭的标签  <p>Lorem <p>Ipsum parses to <p>Lorem</p> <p>Ipsum</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/c1c2c2ed740f" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Java免费学习笔记（深入）</a>”；</p>
                    <div class="aritcle_card">
                        <a class="aritcle_card_img" href="/ai/927">
                            <img src="https://img.php.cn/upload/ai_manual/000/000/000/175679997868619.jpg" alt="Calliper 文档对比神器">
                        </a>
                        <div class="aritcle_card_info">
                            <a href="/ai/927">Calliper 文档对比神器</a>
                            <p>文档内容对比神器</p>
                            <div class="">
                                <img src="/static/images/card_xiazai.png" alt="Calliper 文档对比神器">
                                <span>28</span>
                            </div>
                        </div>
                        <a href="/ai/927" class="aritcle_card_btn">
                            <span>查看详情</span>
                            <img src="/static/images/cardxiayige-3.png" alt="Calliper 文档对比神器">
                        </a>
                    </div>

登录后复制

隐式标签  <td>Table data</td>包装成<table><tr><td>

登录后复制

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）

登录后复制

Jsoup常用的方法从一个URL加载一个Document

简单的get方法Document doc = Jsoup.connect("http://www.domain.com/").get();String title = doc.title();

登录后复制

带头信息的post方法Document doc = Jsoup.connect("http://www..domain.com")                    .data("username", "Alic")                    .userAgent("Mozilla")                    .cookie("auth", "token")                    .timeout(3000)                    .post();

登录后复制

从文件中加载HTML文档

File file = new File("path");Document doc = Jsoup.parse(file, "UTF-8", "http://www.domian.com/");

登录后复制

简单的从String加载HTML

Document doc = Jsoup.parse(String html);

登录后复制

使用DOM方法来遍历一个文档

File file = new File("/path/index.html");Document doc = Jsoup.parse(file, "UTF-8", "http://www.domian.com/");Element content = doc.getElementById("content");//获取id为content的dom节点Elements links = content.getElementsByTag("a");//获取所有的a标签dom节点//遍历所有的a标签for (Element link : links) {        String linkHref = link.attr("href");        String linkText = link.text();}Elements links = doc.select("a[href]"); //带有href属性的a元素Elements pngs = doc.select("img[src$=.png]");  //扩展名为.png的图片Element masthead = doc.select("div.masthead").first();  //class等于masthead的div标签Elements resultLinks = doc.select("h3.r > a"); //在h3元素之后的a元素

登录后复制

常用的方法：见官网API文档传送Jsoup