使用Java解析HTML并提取图片和文字

在Web开发中，我们经常需要从HTML文档中提取信息，比如图片和文字。本文将介绍如何使用Java来解析HTML文档，并提取其中的图片和文字信息。

流程图

flowchart TD
    A(开始)
    B(解析HTML)
    C(提取图片)
    D(提取文字)
    E(结束)

    A --> B
    B --> C
    B --> D
    C --> E
    D --> E

使用Jsoup库解析HTML

Jsoup是一个Java库，可以方便地解析HTML文档。首先，我们需要添加Jsoup依赖到我们的项目中。

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.14.3</version>
</dependency>

接下来，我们使用Jsoup来解析HTML文档。

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

public class HtmlParser {
    public static void main(String[] args) {
        String html = "<html><body><p>Hello, World!</p><img src='image.jpg' /></body></html>";
        Document doc = Jsoup.parse(html);
    }
}

提取图片信息

我们可以使用Jsoup来提取HTML文档中的图片信息。

import org.jsoup.select.Elements;

Elements images = doc.select("img");
for (Element image : images) {
    String src = image.attr("src");
    System.out.println("Image source: " + src);
}

提取文字信息

同样，我们也可以使用Jsoup来提取HTML文档中的文字信息。

Elements paragraphs = doc.select("p");
for (Element paragraph : paragraphs) {
    String text = paragraph.text();
    System.out.println("Paragraph text: " + text);
}

完整代码示例

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class HtmlParser {
    public static void main(String[] args) {
        String html = "<html><body><p>Hello, World!</p><img src='image.jpg' /></body></html>";
        Document doc = Jsoup.parse(html);

        Elements images = doc.select("img");
        for (Element image : images) {
            String src = image.attr("src");
            System.out.println("Image source: " + src);
        }

        Elements paragraphs = doc.select("p");
        for (Element paragraph : paragraphs) {
            String text = paragraph.text();
            System.out.println("Paragraph text: " + text);
        }
    }
}

通过上面的示例代码，我们可以轻松地使用Java来解析HTML文档，并提取其中的图片和文字信息。这对于网页爬虫、数据抓取等领域具有很大的实用价值。希望本文对您有所帮助！