Java解析和遍历html文档利器

AlicFeng

发布于 2018-06-08 11:52:48

1.8K0

发布于 2018-06-08 11:52:48

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>

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

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）

****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();

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();

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/");

简单的从String加载HTML

Document doc = Jsoup.parse(String html);

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

常用的方法：见官网API文档传送Jsoup

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2016.04.19 ，如有侵权请联系 cloudcommunity@tencent.com 删除

java