无法使用JSoup解析HTML
JSoup是一款Java库，用于解析HTML文档。它提供了一种简单而灵活的方式来从HTML中提取和操作数据。
HTML解析是在Web开发中非常常见的任务，它可以用于从网页中提取数据、爬取网页内容、进行数据挖掘等。JSoup提供了一系列的API，使得HTML解析变得简单和高效。
JSoup的主要特点包括：
- 简单易用：JSoup提供了一组简单而直观的API，使得HTML解析变得非常容易上手。
- 强大的选择器：JSoup支持类似于CSS选择器的语法，可以方便地选择和操作HTML中的元素。
- 数据提取：JSoup可以从HTML中提取文本、属性、HTML片段等内容。
- DOM操作：JSoup提供了类似于jQuery的DOM操作方法，可以方便地修改HTML文档的结构和内容。
- 安全可靠：JSoup内置了防止XSS攻击的功能，可以有效地防止恶意代码注入。
JSoup的应用场景非常广泛，包括但不限于：
- 网页数据提取：JSoup可以用于从网页中提取数据，例如爬取新闻、商品信息等。
- 数据清洗：JSoup可以用于清洗HTML文档，去除无用的标签和样式，提取有用的内容。
- 数据挖掘：JSoup可以用于从大量的HTML文档中提取结构化数据，进行数据挖掘和分析。
- 网页内容分析：JSoup可以用于分析网页的结构和内容，帮助开发者理解和调试网页。
腾讯云提供了一系列与HTML解析相关的产品和服务，例如：
- 腾讯云爬虫服务：提供了强大的爬虫能力，可以帮助用户快速、稳定地爬取网页内容。
- 腾讯云数据万象（COS）：提供了可靠的对象存储服务，可以用于存储和管理爬取到的HTML文档。
- 腾讯云函数计算（SCF）：提供了无服务器的计算能力，可以用于处理和分析爬取到的数据。
更多关于腾讯云相关产品和服务的详细介绍，请参考腾讯云官方网站：腾讯云。
相关·内容
1回答
我尝试将字符串值解析为JSoup文档，如下所示： String value = "<tr> <td>Value</td>> </tr>";
Document htmlDoc = Jsoup.parse(parseTrxRawToHtml);
System.out.println(htmlDoc.html()); 代码执行后的结果： <html>
<head></head>
<body>
</body>
</html>
浏览 84提问于2020-08-27得票数 0
回答已采纳
我似乎无法在本地html文件中加载，使用Jsoup库。或者至少它似乎没有意识到这一点。我在本地文件(作为var ' html ')中硬编码了确切的html，当我切换到它而不是文件输入时，代码工作得很好。但这两种情况下都会读取该文件。
import java.io.File;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class FileHtmlParser{
浏览 3提问于2012-03-08得票数 8
回答已采纳
1回答
使用JSoup解析推特
、、、、
下面是我的代码：
Document doc = Jsoup.connect(urlString)
.userAgent("Mozilla/5.0 (X11; Linux i686) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.114 Safari/537.36")
.get();
System.out.println(doc);
所以我使用了JSoup，并试图在一个安卓应用程序上解析Twitter标签页面的超文本标记语言(作为参考，类似于)。但是
浏览 4提问于2014-06-10得票数 2
下面有一个示例代码。
String sample = "<html>
<head>
</head>
<body>
This is a sample on parsing html body using jsoup
This is a sample on parsing html body using jsoup
</body>
</html>";
Document doc = Jsoup.parse(sample);
String output = do
浏览 5提问于2016-11-03得票数 5
回答已采纳
4回答
我尝试使用Jsoup解析给定的html内容。在Jsoup.parse()之后，html输出将html、head和body标记追加到输入。我只想无视这些。
示例输入：
<p><b>This <i>is</i></b> <i>my sentence</i> of text.</p>
Java代码：
import java.io.File;
import java.io.IOException;
import org.apache.commons.io.FileUtils;
import org.jso
浏览 16提问于2014-10-03得票数 24
回答已采纳
2回答
我对Grails 2.3.8中的Maven依赖关系有一个大致的理解问题。我想将jsoup -功能导入到我的项目中。
所以我在我的BuildConfig.groovy里做了这个
dependencies {
.
.
/// jsoup
compile "org.jsoup:jsoup:1.7.3"
}
一切都很好。Grails将jar文件下载到本地回购系统中
C:\Users\xxx.m2\repository\org\jsoup\jsoup\1.7.3
现在我的困惑。我认为所有的事情都已经完成了，我可以针对Js
浏览 4提问于2014-06-19得票数 1
有人能好心地建议一下在像“JSoup”这样的网站上使用的正确方法吗？
这个网站有很多Javascripting，不管我做了什么{documentObj.body().data()、documentObj.html()、connectionObj.response().body()、connectionObj.response“jsoup”等等，我都无法恢复在浏览器中呈现的html。
浏览 1提问于2016-12-18得票数 0
回答已采纳
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head
浏览 1提问于2020-06-08得票数 1
1回答
在html页面中有一个类似于下面的javascript，我想提取var number的值。
<script type="text/javascript">
var number= 4443;
</script>
我正在使用这个命令使用jsoup来解析一个html页面。
org.jsoup.nodes.Document doc3 = Jsoup.connect("http://htmlpage.com").get();
我该怎么做呢？提前感谢大家。
浏览 1提问于2012-11-27得票数 2
回答已采纳
我正在使用Jsoup来解析任意的HTML，到目前为止，它工作得很好，但我遇到了一个问题。当给定以下HTML时，Jsoup将返回无效的HTML (删除了无关的部分)：
<div>
<a href=''>
<img src='' alt='The problem is here "I'm not sure what to do"'>
</a>
</div>
我有一个用单引号括起来的alt标记，其中包含未转义的单引号和双引号，不幸的是，我无法控制输入。当
浏览 1提问于2015-12-17得票数 0
2回答
我有可能包含HTML岛的文本。
示例：
qwwdeadaskdfdaskjfhbsdfkf<a href="/cookbook/modifying-data/set-attributes">Set attribute values</a>gfkjgfkjrgjgjgjgjgroggjrog <b>jsoup</b>sdflkjsdfsfklsfklfjsfkljsfljsf<a href="/apidocs/org/jsoup/Jsoup.html#parse(java.lang.String)" title
浏览 1提问于2012-03-06得票数 0
我使用的是Jsoup.parse()的所有字符串版本：
parse(String html, String baseUri)
排除连接速度，以衡量其性能。
在一个典型的低端安卓手机上，在一个不太罕见的长维基百科页面(~600 so)的html字符串上调用Jsoup.parse()，占用9秒！
我的客户端不愿意接受这种延迟，我想要么为不同的引擎抛出Jsoup，要么自己解析网页(仍然用Java)，或者在NDK中使用一些C/C++解析器(如果可用的话)。
但我更喜欢继续尽可能多地使用Jsoup。
有没有办法加快Jsoup.parse()的速度
浏览 4提问于2012-07-03得票数 9
回答已采纳
我尝试使用JSOUP呈现一个URL以读取一些参数，但发现它没有呈现完整的HTML。
下面是我的代码
Document doc=Jsoup.connect("http://www.svbcgold.com/").get();
System.out.println("HTML.."+doc.html());
在这种情况下，它只显示部分值，而不是全部。在此页面中，我们有一些值，如金，银，但我无法在输出中看到它们，它只显示输出到表中。
请求你在这方面帮助我。
浏览 0提问于2016-09-28得票数 1
我的用法
从网站下载HTML文件
用JSoup解析它
使用JSoup将其转换为有效的XML。
使用XPath (javax.xml.xpath)从该XML文档中读取元素和属性
(这是实现的，在大多数情况下如预期的那样起作用。)
问题/原因
有一个案例失败了：
源HTML文件包含一些无效的内容，如这个<div someattribute="somevalue"=""></div>
JSoup将其转换为同样无效的字符串<div someattribute="somevalue" ="
浏览 2提问于2021-01-08得票数 1
回答已采纳
2回答
例如：
<html>
<head></head>
<body sometag='"'></body>
</html>
当我使用Jsoup解析这个html时，如下所示：
Document doc = Jsoup.parse(html);
doc.outputSettings().prettyPrint(false);
System.out.println(doc.toString());
它将会成为
<html>
<head></head>
浏览 12提问于2018-02-08得票数 0
3回答
我做了一些小测试(使用Jsoup 1.6.1)：
String s = "" +Jsoup.parse("<td></td>").select("td").size();
System.out.println("Selected elements count : " + s);
它输出：
Selected elements count : 0
但是它应该返回1，因为我已经用td元素解析了html。我的代码出了什么问题，还是Jsoup中有bug？
浏览 1提问于2011-11-03得票数 1
回答已采纳
1回答
我需要转换一个XML文件来解析Jsoup中的XML。我有一个XML文件，它现在的方式是解析HTML，而不是XML。有人知道怎么做吗？在HTML中，jsoup运行得很好，我不知道如何包含一个文件并使用XML解析这个文件。
任何人都知道怎么做，因为该网站的Jsoup不考虑任何与XML或XML文件转换有关的内容。谢谢。
浏览 2提问于2013-09-05得票数 0
9回答
页面上的一个块被JavaScript的内容填充，在用Jsoup加载页面后，没有任何这些信息。有没有办法在用Jsoup解析页面时也获得JavaScript生成的内容？
无法在此处粘贴页面代码，因为它太长：
下面是我需要的内容的元素：<div id='tags_list'></div>
我需要用Java获取这些信息。最好使用Jsoup。在JavaScript的帮助下，元素是字段：
<div id="tags_list">
<a href="/tagsc0t20099.html" style="
浏览 1提问于2011-09-21得票数 41
回答已采纳
1回答
检查URL是否包含给定字符串的快速方法是什么？我尝试了jsoup和模式匹配，但有没有更快的方法。
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupTest {
public static void main(String[] args) throws Exception {
String url = "https://en.wik
浏览 0提问于2015-07-23得票数 1
我想出了一个问题，就是将下面的HTML结果解析为不需要的结果。
HTML
<html>
<head>
<title>Try jsoup</title>
<noscript><p>thisisatest</p></noscript>
<noscript><img id="tracking-test-noscript" style="width: 1px; height: 1px" src="http://fullwithsheep/img/tr
浏览 2提问于2020-08-18得票数 1
回答已采纳
1回答
当Jsoup遇到某些类型的HTML (复杂的或不正确的)时，它可能会发出格式错误的HTML。下面是一个例子：
<html>
<head>
<meta name="x" content="y is "bad" here">
</head>
<body/>
</html>
引号应该被转义的地方。当Jsoup解析它时，它发出：
<html>
<head>
<meta name="x" content="y is
浏览 1提问于2014-01-07得票数 6
1回答
这看起来很简单，但是我无法检索到这个网页上的文本，而且它似乎正在发生变化。
package WorldBoss;
import org.jsoup.nodes.Document;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.IOException;
import java.net.MalformedURLException;
public class WorldBoss {
public static void
浏览 0提问于2015-10-01得票数 1
我正在使用jsoup来解析一些HTML内容。在解析HTML内容之后，它将驼峰大小写的属性更改为小写，如将<svg viewBox='XXXX'>更改为<svg viewbox='XXXX'>。
有没有人能建议我如何在使用jSoup1.8.1解析html内容时保留大小写？
浏览 19提问于2015-07-14得票数 5
问题：
从HTML文件中提取所有表的有效方法是什么? HTML的大小接近半in？
我当前的方法可以很好地处理<100 My的文件，它是：
Document doc = Jsoup.parse(full_html);
Elements html_tables = doc.select("table");
但是，对于400 for的文件，JSoup.parse执行得很糟糕。我可以编写自己的HTML标记程序来快速提取表吗？有什么建议吗？
背景：
我正在从SEC文件中嵌入的更广泛的HTML文件中提取HTML表，该表通过将其文本与正则表达式匹配来标识
浏览 1提问于2015-12-01得票数 0
回答已采纳
我正在尝试使用JSOUP构建一个网络爬虫。问题是，虽然它适用于其他页面，但它无法爬行数据。我认为这是由于存在自定义标记restaurant-menu。我这样做：
Document document = Jsoup.connect(url).get();
Elements document_body = document.select(".layout-wrapper");
System.out.println(document_body.html());
在输出中，我得到了这个：
<div class="restaurant-menu-container"
浏览 1提问于2017-11-22得票数 1
1回答
我正在使用JSoup来解析某些网页。但是，当我在后台解析页面的HTML内容时，我还希望向用户显示页面。
JSoup在超文本标记语言解析等方面非常棒，但似乎没有图形用户界面组件。插入图形用户界面组件以显示我正在用JSoup解析的网页的推荐方法是什么？
浏览 2提问于2013-11-18得票数 0
2回答
我在WebView中点击一个网址，它会返回一个超文本标记语言格式的响应。我尝试过使用Jsoup从HTML中获取JSON数据，但是没有成功。 我正在获取以下格式的数据： <pre style="word-wrap: break-word; white-space: pre-wrap;">{"status":"success","connected_id":"dfdffdffdfdfdf"}</pre> 现在我想从上面的响应中获得connected_id，但我无法获得它。 代码： Docume
浏览 192提问于2019-05-10得票数 0
1回答
我正在用基本解析器程序解析一个简单的HTML文档。
Document doc = Jsoup.parse(responseFromServer);
Element content = doc.getElementById("content");
Elements links = content.getElementsByTag("a");
String linkText = null;
for (Element link : links) {
linkText = link.text();
}
一些标签被注释掉了。我还想在注释中解析这些标记。由
浏览 2提问于2016-02-04得票数 2
回答已采纳
1回答
我在源码html中有一个我想要解析的代码。
<div>
<iframe><script>alert('hello')</script></iframe>
</div>
当我使用Jsoup进行解析并打印正文html时，我得到了这个结果。
<div>
<iframe><script>alert('hello')</script></iframe>
</div>
我不想让Jsoup转换ifram
浏览 0提问于2016-12-14得票数 3
1回答
我正在使用Java中的JSoup库来清理输入，以防止XSS攻击。它适用于简单的输入，比如alert(“vulnerable”)。 示例： String data = "<script>alert('vulnerable')</script>";
data = Jsoup.clean(data, , Whitelist.none());
data = StringEscapeUtils.unescapeHtml4(data); //StringEscapeUtils from apache-commons lib
System.out.p
浏览 18提问于2020-10-04得票数 1
回答已采纳
使用Jsoup，克隆元素没有所有者文档，这使我无法设置这些元素的输出设置，这会导致应用程序中的一些问题。试试这个：
package test;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public class Main {
public static void main(String[] args) {
Document doc = Jsoup.parse("<div></div>");
浏览 1提问于2016-09-24得票数 0
回答已采纳
我有一个文本文件"Data3.txt“。这个文件包含大量的html。
我将这个文件传递给Jsoup，这样所有的html都可以使用这个示例"“进行解析。
我还打印了文档的内容，以确保它有所有的html init。
然而，文档只包含html的一小部分(html、head、script、body标记)。我做错什么了？如何传递所有html
这是我的代码：
public void stripContent() throws IOException{
File f = new File("stripContentFile");
BufferedWriter f
浏览 5提问于2017-07-17得票数 0
回答已采纳
1回答
我正在尝试使用Jsoup解析我的安卓应用程序中网页的html，我在这个特定的页面上遇到了一个问题：
该字符串：
<!doctype html public "-//ietf//dtd html 3.0//en">:
当我尝试在下一行代码中执行Jsoup连接时，它会出现在标题部分中，但显然不是标题部分：
Response r = Jsoup.connect("http://techmvs.technion.ac.il/cics/wmn/wmngrad?ORD=1").followRedirects(true).execute();
它似乎将这个错误的头
浏览 1提问于2016-06-23得票数 0
jsoup.connect和jsoup.parse有什么区别？Jsoup.connect(URL);和Jsoup.parse(Html);似乎都在做同样的工作。
浏览 5提问于2013-04-19得票数 0
我们知道有一个用于android开发人员解析html文本、代码等的Jsoup库。因为我是flutter移动应用程序开发的新手，所以我想知道是否有像Jsoup这样的库可以解析来自flutter网站的html文本和代码。
浏览 16提问于2018-08-11得票数 6
6回答
读取JSON内容
、、
我正在使用jsoup来抓取一些HTML数据，它工作得很好。现在我需要提取一些JSON内容(只提取JSON，不提取HTML)。我能用jsoup很容易做到这一点吗?还是必须用另一种方法来做？jsoup执行的解析是对JSON数据进行编码，因此它不能使用Gson正确解析。
浏览 2提问于2011-06-15得票数 17
回答已采纳
每当我试图从谷歌搜索结果中剔除搜索时，我总是遇到一个问题。我正在使用Jsoup来提取HTML代码，但是我无法从网页中提取出我需要的信息。我的目标是达到标题下信息的描述。下面是我的代码：
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.IOException;
import java.net.InetSocketAddress;
import java.net.Proxy
浏览 11提问于2017-02-02得票数 0
回答已采纳
2回答
我想要通过一个网页，是存储在电脑上使用jsoup。问题是我在网站的第一页上找到了所有的链接。
示例：Jsoup.parse(C:/Users/MuhammadNaeem/Downloads/Compressed/IRWS_Main_Assignment/literature.offline/authors/carroll-lewis/index.html,"UTF-8");
for(Element x: doc.getElementsByTag("a")){
System.out.println("OUTLINK ->
浏览 10提问于2015-12-30得票数 2
回答已采纳
我试图从当前项目中读取.html资源(并对其进行解析)，如下所示：
leaflet.html：
<!DOCTYPE html>
<html>
<head>
<title></title>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
</head>
<body>
<div>TODO wr
浏览 1提问于2015-04-20得票数 2
回答已采纳
2回答
执行以下代码：
Jsoup.connect(baseURL + dataJSSrc).execute();
抛出异常：
org.jsoup.UnsupportedMimeTypeException: Unhandled content type. Must be text/*, application/xml, or application/xhtml+xml. Mimetype=application/x-javascript, URL=http://www.abc.com/playdata/206/8910.js?44613.77
但是当我使用
URLConnection conn = n
浏览 1提问于2012-09-29得票数 2
1回答
用JSoup张贴表格
、、、、
我正在尝试提交一个带有jsoup的表单，然后从定向页面中获取html：
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class RF {
public static void main(String[] args) throws Exception {
Connection.Response submitForm = Jsoup.connect("http://rfinder.asalink.net/free
浏览 4提问于2014-05-01得票数 0
回答已采纳
2回答
所以，我正在制作一个程序，从用户从AZ歌词中提取歌词。我遇到的问题是，在将字符串转换成URL之后，它说Jsoup无法解析它，因为它不接受字符串，尽管变量是我们要传入的URL。
String strURL = "http://www.azlyrics.com/lyrics/" + artist + "/" + song + ".html";
URL url = new URL(strURL);
Document doc = Jsoup.parse(url);
我该怎么办？
浏览 3提问于2015-09-29得票数 1
回答已采纳
1回答
我需要处理一些HTML标记(删除它们)
这个HTML作为一个.txt存储到我的应用程序的资产文件夹中
这个HTML太大了(就像7.000+行)，我无法将它存储到一个简单的字符串var中.
我使用这段代码将.txt转换为ArrayList：
InputStream is;
try {
is = getAssets().open("html.txt");
} catch (IOException e) {
e.printStackTrace();
}
BufferedReader br = new BufferedReader(new InputStreamRe
浏览 3提问于2017-03-08得票数 1
回答已采纳
1回答
Android的无头浏览器？
、、、、
在经历了很多挫折之后，我需要一些帮助来获得一个用于Android的HTML解析器。
我基本上需要一个解析器，这将登录到一个网站，并检索主页，其中大量使用javascript和ajax来呈现数据。从那里，我需要能够访问与锚标签链接的其他页面。再次强调页面上的Ajax和javascript，所有数据都是通过这些方式创建的。
除非我理解错了，否则JSoup不适合这种情况。
我也尝试过HtmlUnit，它工作得很好，但我无法在安卓中启动并运行它，因为已知的jar冲突和“无法转换为dalivik”错误。
如果有人知道另一个合适的超文本标记语言解析器，或者可以帮助我让JSoup和ajax页面玩得好，或者
浏览 1提问于2013-10-17得票数 1
我想从我的android应用程序的HTML代码中获取一些标题和链接.帮助我:(
<div class="proper-list list-group page-cat-wrap">
<figure class="col-md-12 thumb-vertical">
<div class="col-xs-4 thumb-image">
<a href="/somelink.html" class="image-hover">
<img alt=
浏览 1提问于2017-05-28得票数 0
回答已采纳
我正在使用jsoup解析HTML文档并对它们执行一些分析。
解析后，是否有任何方法确定给定的属性是否包含在双引号、单引号或无引号中？
换句话说，我是否可以区分以下几点：
Document foo = Jsoup.parse("<html><body><a name=\"value\"></body></html>");
Document bar = Jsoup.parse("<html><body><a name='value'></bo
浏览 0提问于2018-08-21得票数 2
我正在使用jsoup来获取源代码。我使用的是jsoup版本1.13.1。当我使用下面的代码获得源代码时，我发现大小写被转换为小写。 Document doc = Jsoup.connect("https://example.com").get();
webview.loadData(doc); 我看到了几个答案，他们更喜欢xml解析器。但是我不知道如何使用xml解析器从url中解析html。还有一些我不理解的基本url。我正在使用一个Android应用程序项目。所以任何答案都会对我有帮助。提前感谢
浏览 8提问于2021-06-30得票数 1
回答已采纳
1回答
我正在尝试使用jsoup读取一个robot.txt文件。我想逐行读取这个文件，并确定一行是否不允许/允许/useragent/sitemap。
通过使用Jsoup，我做了以下工作：
robotfile = Jsoup.connect(u).get()；
robotfile.text()；
然而，后者使我：
80腿用户代理: 008不允许:/用户代理: bender不允许: /my_sh..等
即使我做了.html()，我也看不到任何换行符(例如标记)，所以我无法用一个简单的换行符来替换所有这些值。
有办法逐行读取这个文件吗？
谢谢!
浏览 2提问于2014-09-08得票数 0
回答已采纳
2回答
我已经通过解析内部HTML页面构建了一个Jsoup文档，
public Document newDocument(String path) throws IOException {
Document doc = null;
doc = Jsoup.connect(path).timeout(0).get();
return new HtmlDocument<Document>(doc);
}
我想要将Jsoup文档转换成我的org.w3c.dom.Document，为此我使用了一个可用的库，但是在解析时，我得到的org.w3c.dom.Do
浏览 2提问于2013-07-23得票数 9
回答已采纳
1回答
我正试图在body标记之后向生成的html中添加一个<div class="wrapper">。我希望结束的</div>在结束</body>之前。到目前为止我已经
private String addWrapper(String html) {
Document doc = Jsoup.parse(html);
Element e = doc.select("body").first().appendElement("div");
e.attr("class", "
浏览 3提问于2015-01-01得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
