JavaHTML解析器之Jsoup解析获取Document对象的方式
优采云 发布时间: 2021-05-16 21:27JavaHTML解析器之Jsoup解析获取Document对象的方式
Jsoup简介
jsoup是一个Java HTML解析器，可以直接解析URL地址和HTML文本内容。它提供了非常省力的API，可以通过DOM，CSS和类似于jQuery的操作方法来检索和处理数据。
Jsoup.jpg
官方网址：
官方网站还为开发人员提供了一套说明（Cookbook）。
Jsoup解析HTML以获取Document对象，并通过操纵Document的属性来获取HTML页面的内容。因此，在开始之前，我们先介绍一下Node，Element，Document和其他XML相关概念之间的区别，以防止该概念引起混淆。导致滥用和滥用。
相关概念
public abstract class Node implements Cloneable
public class Element extends Node
public class Document extends Element
从Jsoup源代码中的三个定义，我们可以看到以下树继承关系：
节点，元素，文档继承关系.png
节点（节点）
从上面的继承关系中可以明显看出，文档中的所有内容都可以视为一个节点。节点的类型很多：属性节点（Attribute），注释节点（Note），文本节点（Text），元素节点（Element）等。通常，节点是这些各种节点的统称。
元素（元素）
与节点相比，元素的定义较窄。元素是从节点继承的，并且是节点的子集，因此元素也是节点，并且该节点的公共属性和方法也可以在该元素中使用。
文档（文档）
文档继承自元素，该元素引用整个HTML文档的源内容。可以通过System.out.println（document.toString（））;在控制台上打印网页的源内容。
相互转换
基于节点，元素和文档之间的“缠结”关系，每个类中提供的方法可用于适当地转换和获取所需的使用对象。
用例
Jsoup解析Html以获取Document对象的方式分为三类：联机Url，Html文本字符串和文件。相应的API如下
获取Document对象后，可以组合HTML源代码，并使用Jsoup提供的API通过类，标签，id，属性和其他相关属性获取相应的Element，然后获取所需的网页内容。
以下以Jsoup官方网站的Cookbook页面为例，解析并获取页面目录的内容。
网页内容：
Jsoup Cookbook webpage.jpg
网页源代码：
jsoup开发指南,jsoup中文使用手册,jsoup中文文档
jsoup » cookbook
jsoup Cookbook(中文版)
入门
输入
数据抽取
数据修改
html清理
jsoup html parser: copyright © 2009 - 2011 jonathan hedley
Jsoup分析：
import java.io.IOException;
import java.text.ParseException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
/**
* @author 亦枫
* @created_time 2016年1月5日
* @file_user_todo Java测试类
* @blog http://www.jianshu.com/users/1c40186e3248/latest_articles
*/
public class JavaTest {
/**
* 入口函数
* @param args
* @throws ParseException
*/
public static void main(String[] args) throws ParseException {
try {
//解析Url获取Document对象
Document document = Jsoup.connect("http://www.open-open.com/jsoup/").get();
//获取网页源码文本内容
System.out.println(document.toString());
//获取指定class的内容指定tag的元素
Elements liElements = document.getElementsByClass("content").get(0).getElementsByTag("li");
for (int i = 0; i < liElements.size(); i++) {
System.out.println(i + ". " + liElements.get(i).text());
}
} catch (IOException e) {
System.out.println("解析出错！");
e.printStackTrace();
}
}
}
分析结果：
