【使用JSOUP实现网络爬虫】解析一个body片断
2013-10-29 16:59
706 查看
问题
假如你有一个HTML片断 (比如. 一个div包含一对
p标签; 一个不完整的HTML文档) 想对它进行解析。这个HTML片断可以是用户提交的一条评论或在一个CMS页面中编辑body部分。
办法
使用Jsoup.parseBodyFragment(String html)方法.
String html = "<div><p>Lorem ipsum.</p>"; Document doc = Jsoup.parseBodyFragment(html); Element body = doc.body();
说明
parseBodyFragment方法创建一个空壳的文档,并插入解析过的HTML到
body元素中。假如你使用正常的
Jsoup.parse(String html)方法,通常你也可以得到相同的结果,但是明确将用户输入作为 body片段处理,以确保用户所提供的任何糟糕的HTML都将被解析成body元素。
Document.body()方法能够取得文档body元素的所有子元素,与
doc.getElementsByTag("body")相同。
保证安全Stay safe
假如你可以让用户输入HTML内容,那么要小心避免跨站脚本攻击。利用基于Whitelist的清除器和
clean(String bodyHtml, Whitelist whitelist)方法来清除用户输入的恶意内容。
阅读更多JSOUP相关文章,请看专栏:《使用JSOUP实现网络爬虫》
相关文章推荐
- 【使用JSOUP实现网络爬虫】入门:解析和遍历一个HTML文档
- 【使用JSOUP实现网络爬虫】解析一个body片断
- 【使用JSOUP实现网络爬虫】解析一个HTML字符串
- 【使用JSOUP实现网络爬虫】解析一个body片断
- 【使用JSOUP实现网络爬虫】入门:解析和遍历一个HTML文档
- 【使用JSOUP实现网络爬虫】解析一个HTML字符串
- 【使用JSOUP实现网络爬虫】从一个文件加载一个文档
- 【使用JSOUP实现网络爬虫】使用DOM方法来遍历一个文档
- 【使用JSOUP实现网络爬虫】使用DOM方法来遍历一个文档
- 【使用JSOUP实现网络爬虫】修改数据-设置一个元素的HTML内容
- 【使用JSOUP实现网络爬虫】从一个URL加载一个Document
- 【使用JSOUP实现网络爬虫】从一个URL加载一个Document
- 【使用JSOUP实现网络爬虫】修改数据-设置一个元素的HTML内容
- 【使用JSOUP实现网络爬虫】修改数据-设置元素的文本内容
- 简单的网络爬虫实现(Jsoup使用)
- 【使用JSOUP实现网络爬虫】清理HTML-消除不受信任的html (来防止xss攻击)
- 【使用JSOUP实现网络爬虫】修改数据-设置属性的值
- 【使用JSOUP实现网络爬虫】修改数据-设置属性的值
- 【使用JSOUP实现网络爬虫】使用选择器语法来查找元素
- 【使用JSOUP实现网络爬虫】清理HTML-消除不受信任的html (来防止xss攻击)