java html JSoup 解析

原创

mob64ca12eb3858 2024-04-04 05:06:50 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12eb3858的原创作品，请联系作者获取转载授权，否则将追究法律责任

使用JSoup解析HTML页面

在Java开发中，我们经常需要从HTML页面中提取数据。JSoup是一个用于解析HTML文档的Java库，它提供了简单而强大的API，使我们可以轻松地从HTML文档中提取所需的数据。本文将介绍如何使用JSoup来解析HTML页面，并提取其中的数据。

什么是JSoup？

JSoup是一个用于解析HTML文档的Java库，它提供了类似于jQuery的API，使我们可以轻松地遍历HTML文档的DOM树，并提取所需的信息。通过JSoup，我们可以轻松地获取HTML页面中的元素、属性、文本等信息。

如何使用JSoup解析HTML页面？

使用JSoup解析HTML页面的过程可以分为以下几个步骤：

1. 添加JSoup依赖

首先，我们需要在项目中添加JSoup的依赖。可以在Maven项目中的pom.xml中添加以下依赖：

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

2. 获取HTML页面

接下来，我们需要获取要解析的HTML页面。可以使用Jsoup.connect()方法从URL中获取HTML页面，也可以使用Jsoup.parse()方法从一个HTML字符串中获取HTML页面。

Document doc = Jsoup.connect("

3. 解析HTML页面

一旦获取了HTML页面，我们就可以使用JSoup提供的API来解析页面。例如，可以通过标签名来获取元素，通过类名来获取元素，通过ID来获取元素等。

Elements links = doc.select("a");
Element element = doc.getElementById("header");
Elements elements = doc.getElementsByClass("content");

4. 提取数据

最后，我们可以从解析后的HTML页面中提取所需的数据。可以通过text()方法获取元素的文本内容，通过attr()方法获取元素的属性值等。

String linkText = link.text();
String elementText = element.text();
String attributeValue = element.attr("href");

示例

下面是一个简单的示例，演示了如何使用JSoup解析HTML页面，并提取其中的链接信息：

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

import java.io.IOException;

public class Main {
    public static void main(String[] args) {
        try {
            Document doc = Jsoup.connect("
            Elements links = doc.select("a");
            for (Element link : links) {
                String linkHref = link.attr("href");
                String linkText = link.text();
                System.out.println(linkText + " : " + linkHref);
            }
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}