jsoup初识
2015-07-25 16:45
603 查看
一、jsoup是什么?
jsoup是一款Java的html解析器,可解析HTML文本内容、URL地址,它有一套非常完善并且相当省里的API,你可以通过DOM,CSS以及类似于Jquery的操作方法对数据进行操作。
二、jsoup有什么用?
(1)从URL、文件或字符串中解析出HTML
(2)使用CSS选择器、DOM进行数据查找、获取;
(3)操作HTML元素、属性、文本;
(4)处理不完整的HTML格式(如没有关闭的标签,隐式标签,创建可靠的文档结构);
三、jsoup的常用方法
(1)解析HTML字符串
Jsoup.parse(String html):将HTML文档解析成一个新的文档(Document),便于你使用document中方法获取相关数据;
Jsoup.parse(String html,String baseUri):将HTML文档解析成一个新的Document文档,并且能够将相对的URL转成绝对的URL,并指定从哪个网站获取文档。示例代码:
(2)解析body片段
Jsoup.parseBodyFragment(String html): 创建一个空的document文档,并插入解析过得HTML到body元素中。该方法与Jsoup.parse(String html)相似,然而,当明确将用户输入作为
body片段处理,该方法可以确保用户所提供的任何糟糕的HTML都将被解析成body元素。
Documen.body(): 获取文档body元素的所有子元素,与doc.getElementByTag()相同。
Whitelist、Clean(String bodyHtml,Whitelist whitelist):用于清除用户输入的恶意内容。
(3)根据一个url加载Document对象
Jsoup.connect(String url):从网站中获取以及解析一个HTML文档,查找其中相关数据,该方法只支持WEB URLs(http和https协议,若要从一个文件加载,则可以使用parse(File in,String charsetName)),示例代码
(4)根据一个文件加载Document对象
Jsoup.parse(File in,String charsetName,String bserUri):解析、加载本机硬盘上的HTML文件,进行数据抽取、修改。中国baseUri用于解决文件中URLs是相对路径的问题,它可以为空。
Jsoup.parse(File in,Strig charsetName):适用于解析本地网站文件系统。
(6)使用dom方法遍历一个Document对象
Elements这个对象提供了一系列类似于DOM的方法来查找元素,抽取并处理其中的数据。具体如下:
取得元素
Element siblings:
Graph:
(7)使用选择器语法来查找元素
Element.select(String selector),Elements.select(String selector);示例代码:
(8)从元素中抽取属性、文本以及HTML
Node.attr(String key):获取属性的值
Element.text():获取元素中的文本
Element.html():获取元素或属性中的HTML内容。
示例代码:
(9)设置属性值
Element.attr(String key,String value);设置属性值
Elements.attr(String key,String value);设置属性值;
Element.addClass(String className):修改元素的class属性
Element.removeClass(String className):修改元素的class属性;
doc.select("div.comments a").attr("rel","nofollow"):为div中的每一个a元素都添加一个rel="nofollow"
(10)设置一个元素的HTML内容
Element.html(String html):传入html,将之前的html清除
Element.prepend(String first):在元素内部html的前面添加html内容
Element.append(String last):在元素内部html的后面添加html内容
Element.wrap(String around):元素包裹一个外部html内容。
(11)设置元素文本内容
Element.text(String text):清除元素内部的html内容,用text文本代替
Element.prepend(String first),Element.append(String last):分别在元素的内部html前后添加文本节点。
四、jsoup的自我小结
Jsoup的语法比较简单,方法的通用性也很强,不用刻意去记jsoup的语法,在实践中边用变学习即可。
通过标签查找元素,比如:
通过标签在命名空间查找元素,比如:可以用
通过ID查找元素,比如:
通过class名称查找元素,比如:
利用属性查找元素,比如:
利用属性名前缀来查找元素,比如:可以用
利用属性值来查找元素,比如:
利用匹配属性值开头、结尾或包含属性值来查找元素,比如:
利用属性值匹配正则表达式来查找元素,比如:
这个符号将匹配所有元素
元素+ID,比如:
元素+class,比如:
元素+class,比如:
任意组合,比如:
查找哪些元素的同级索引值(它的位置在DOM树中是相对于它的父节点)小于n,比如:
查找哪些元素的同级索引值与
查找匹配选择器包含元素的元素,比如:
查找与选择器不匹配的元素,比如:
查找包含给定文本的元素,搜索不区分大不写,比如:
查找直接包含给定文本的元素
查找哪些元素的文本匹配指定的正则表达式,比如:
查找自身包含文本匹配指定正则表达式的元素
注意:上述伪选择器索引是从0开始的,也就是说第一个元素索引值为0,第二个元素index为1等
可以查看
jsoup是一款Java的html解析器,可解析HTML文本内容、URL地址,它有一套非常完善并且相当省里的API,你可以通过DOM,CSS以及类似于Jquery的操作方法对数据进行操作。
二、jsoup有什么用?
(1)从URL、文件或字符串中解析出HTML
(2)使用CSS选择器、DOM进行数据查找、获取;
(3)操作HTML元素、属性、文本;
(4)处理不完整的HTML格式(如没有关闭的标签,隐式标签,创建可靠的文档结构);
三、jsoup的常用方法
(1)解析HTML字符串
Jsoup.parse(String html):将HTML文档解析成一个新的文档(Document),便于你使用document中方法获取相关数据;
Jsoup.parse(String html,String baseUri):将HTML文档解析成一个新的Document文档,并且能够将相对的URL转成绝对的URL,并指定从哪个网站获取文档。示例代码:
String html = "<html><head><title>First parse</title></head><body><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
(2)解析body片段
Jsoup.parseBodyFragment(String html): 创建一个空的document文档,并插入解析过得HTML到body元素中。该方法与Jsoup.parse(String html)相似,然而,当明确将用户输入作为
body片段处理,该方法可以确保用户所提供的任何糟糕的HTML都将被解析成body元素。
Documen.body(): 获取文档body元素的所有子元素,与doc.getElementByTag()相同。
Whitelist、Clean(String bodyHtml,Whitelist whitelist):用于清除用户输入的恶意内容。
(3)根据一个url加载Document对象
Jsoup.connect(String url):从网站中获取以及解析一个HTML文档,查找其中相关数据,该方法只支持WEB URLs(http和https协议,若要从一个文件加载,则可以使用parse(File in,String charsetName)),示例代码
Document doc = Jsoup.connect("http://example.com/").get();
String title = doc.title();
(4)根据一个文件加载Document对象
Jsoup.parse(File in,String charsetName,String bserUri):解析、加载本机硬盘上的HTML文件,进行数据抽取、修改。中国baseUri用于解决文件中URLs是相对路径的问题,它可以为空。
Jsoup.parse(File in,Strig charsetName):适用于解析本地网站文件系统。
(6)使用dom方法遍历一个Document对象
Elements这个对象提供了一系列类似于DOM的方法来查找元素,抽取并处理其中的数据。具体如下:
getElementById(String id)
getElementsByTag(String tag)
getElementsByClass(String className)
getElementsByAttribute(String key)(and related methods)
Element siblings:
siblingElements(),
firstElementSibling(),
lastElementSibling();
nextElementSibling(),
previousElementSibling()
Graph:
parent(),
children(),
child(int index)
元素数据
attr(String key):获取属性
attr(String key, String value)设置属性
attributes()获取所有属性
id(),
className()and
classNames()
text()获取文本内容
text(String value)设置文本内容
html()获取元素内HTML
html(String value)设置元素内的HTML内容
outerHtml()获取元素外HTML内容
data()获取数据内容(例如:script和style标签)
tag()and
tagName()
操作HTML和文本
append(String html),
prepend(String html)
appendText(String text),
prependText(String text)
appendElement(String tagName),
prependElement(String tagName)
html(String value)
(7)使用选择器语法来查找元素
Element.select(String selector),Elements.select(String selector);示例代码:
File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
Elements links = doc.select("a[href]"); //带有href属性的a元素
Elements pngs = doc.select("img[src$=.png]");
//扩展名为.png的图片
Element masthead = doc.select("div.masthead").first();
//class等于masthead的div标签
Elements resultLinks = doc.select("h3.r > a"); //在h3元素之后的a元素
(8)从元素中抽取属性、文本以及HTML
Node.attr(String key):获取属性的值
Element.text():获取元素中的文本
Element.html():获取元素或属性中的HTML内容。
示例代码:
String html = "<p>An <a href='http://example.com/'><b>example</b></a> link.</p>";
Document doc = Jsoup.parse(html);//解析HTML字符串返回一个Document实现
Element link = doc.select("a").first();//查找第一个a元素
String text = doc.body().text(); // "An example link"//取得字符串中的文本
String linkHref = link.attr("href"); // "http://example.com/"//取得链接地址
String linkText = link.text(); // "example""//取得链接地址中的文本
String linkOuterH = link.outerHtml();
// "<a href="http://example.com"><b>example</b></a>"
String linkInnerH = link.html(); // "<b>example</b>"//取得链接内的html内容
(9)设置属性值
Element.attr(String key,String value);设置属性值
Elements.attr(String key,String value);设置属性值;
Element.addClass(String className):修改元素的class属性
Element.removeClass(String className):修改元素的class属性;
doc.select("div.comments a").attr("rel","nofollow"):为div中的每一个a元素都添加一个rel="nofollow"
(10)设置一个元素的HTML内容
Element.html(String html):传入html,将之前的html清除
Element.prepend(String first):在元素内部html的前面添加html内容
Element.append(String last):在元素内部html的后面添加html内容
Element.wrap(String around):元素包裹一个外部html内容。
(11)设置元素文本内容
Element.text(String text):清除元素内部的html内容,用text文本代替
Element.prepend(String first),Element.append(String last):分别在元素的内部html前后添加文本节点。
四、jsoup的自我小结
Jsoup的语法比较简单,方法的通用性也很强,不用刻意去记jsoup的语法,在实践中边用变学习即可。
五、Selector选择器概述
tagname:
通过标签查找元素,比如:
a
ns|tag:
通过标签在命名空间查找元素,比如:可以用
fb|name语法来查找
<fb:name>元素
#id:
通过ID查找元素,比如:
#logo
.class:
通过class名称查找元素,比如:
.masthead
[attribute]:
利用属性查找元素,比如:
[href]
[^attr]:
利用属性名前缀来查找元素,比如:可以用
[^data-]来查找带有HTML5 Dataset属性的元素
[attr=value]:
利用属性值来查找元素,比如:
[width=500]
[attr^=value],
[attr$=value],
[attr*=value]:
利用匹配属性值开头、结尾或包含属性值来查找元素,比如:
[href*=/path/]
[attr~=regex]:
利用属性值匹配正则表达式来查找元素,比如:
img[src~=(?i)\.(png|jpe?g)]
*:
这个符号将匹配所有元素
Selector选择器组合使用
el#id:
元素+ID,比如:
div#logo
el.class:
元素+class,比如:
div.masthead
el[attr]:
元素+class,比如:
a[href]
任意组合,比如:
a[href].highlight
ancestor child: 查找某个元素下子元素,比如:可以用
.body p查找在"body"元素下的所有
p元素
parent > child: 查找某个父元素下的直接子元素,比如:可以用
div.content > p查找
p元素,也可以用
body > *查找body标签下所有直接子元素
siblingA + siblingB: 查找在A元素之前第一个同级元素B,比如:
div.head + div
siblingA ~ siblingX: 查找A元素之前的同级X元素,比如:
h1 ~ p
el, el, el:多个选择器组合,查找匹配任一选择器的唯一元素,例如:
div.masthead, div.logo
伪选择器selectors
:lt(n):
查找哪些元素的同级索引值(它的位置在DOM树中是相对于它的父节点)小于n,比如:
td:lt(3)表示小于三列的元素
:gt(n):查找哪些元素的同级索引值大于
n
,比如:
div p:gt(2)表示哪些div中有包含2个以上的p元素
:eq(n):
查找哪些元素的同级索引值与
n相等,比如:
form input:eq(1)表示包含一个input标签的Form元素
:has(seletor):
查找匹配选择器包含元素的元素,比如:
div:has(p)表示哪些div包含了p元素
:not(selector):
查找与选择器不匹配的元素,比如:
div:not(.logo)表示不包含 class=logo 元素的所有 div 列表
:contains(text):
查找包含给定文本的元素,搜索不区分大不写,比如:
p:contains(jsoup)
:containsOwn(text):
查找直接包含给定文本的元素
:matches(regex):
查找哪些元素的文本匹配指定的正则表达式,比如:
div:matches((?i)login)
:matchesOwn(regex):
查找自身包含文本匹配指定正则表达式的元素
注意:上述伪选择器索引是从0开始的,也就是说第一个元素索引值为0,第二个元素index为1等
可以查看
SelectorAPI参考来了解更详细的内容
相关文章推荐
- JavaScript中指针和地址理解
- 基于javascript实现单选及多选的向右和向左移动实例
- JavaScript 异步编程 与异步式I/O
- javascript实现信息增删改查的方法
- js之substr和substring的区别
- javascript单例模式的简单实现方法
- jsplumb小例子
- JsPlumb 基本使用方法( JsPlumb & JQ ContextMenu & JQ Dialog)
- [LeetCode][JavaScript]Search a 2D Matrix
- JavaScript类继承及实例化的方法
- JS高级程序设计23-离线应用与客户端存储
- JavaScript对Cookie进行读写操作实例
- json <--->List集合,实体类 之间的相互转换
- 关于Javascript游戏按键操控移动的思考
- 使用JSONP解决Ajax跨域访问问题
- JS中全选功能
- js里面关于位置坐标的总结
- JS中的异常处理方法
- jsp文件 js 获取session方法
- JavaScript的类及面向对象编程