JSoup入門筆記--------java HTML 解析庫
阿新 • • 發佈：2019-01-26
某些情況下，我們會使用Java獲取網頁的內容，並根據網頁的內容得到特定標籤的資料。例如得到網頁中所有的超連結。一般情況下
URL url = new URL(strUrl);
BufferedReader br = new BufferedReader(new InputStreamReader(url.openStream())); 上面一段程式碼可以讓我們獲取網頁的內容，然後使用正則表示式匹配想要的內容。上面的方法很直觀，但也比較繁瑣。
JSoup是一款HTML解析器，他的主要功能有
- 從一個URL，檔案或字串中解析HTML；
- 使用DOM或CSS選擇器來查詢、取出資料；
- 可操作HTML元素、屬性、文字；
下面介紹JSoup的基本使用方法：
1、解析一段HTML文字Document doc = Jsoup.parse(html); //html為一段html文字 如：html = "<head><title>hello</title></head><body>document string</body>"Document doc = Jsoup.connect(url).get();其中Document代表文件物件。 2、使用選擇器查詢特定的資料 下面這行程式碼可以查詢class屬性為item的元素。JSoup中有Elements和Element兩個常用的類。其中Elements類是Element物件的集合，實現了迭代器，可以使用for each 迭代Elements元素
Elements items = doc.getElementsByClass("item"); //class = itemlink.attr("href");
link.getElementsByTag("span").get(0).text();附：JSoup文件中CSS選擇器的示例
File input = new File("/tmp/input.html"); Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/"); Elements links = doc.select("a[href]"); // a with href Elements pngs = doc.select("img[src$=.png]"); // img with src ending .png Element masthead = doc.select("div.masthead").first(); // div with class=masthead Elements resultLinks = doc.select("h3.r > a"); // direct a after h3