您的位置：首页 > Web前端 > JavaScript

Jsoup官方教程(二)【输入】

2017-12-06 11:41 113 查看

解析一个HTML字符串

存在问题

来自用户输入，一个文件或一个网站的HTML字符串，你可能需要对它进行解析并取其内容，或校验其格式是否完整，或想修改它。怎么办？jsonu能够帮你轻松解决这些问题

解决方法

使用静态

Jsoup.parse(String html)

方法或

Jsoup.parse(String html, String baseUri)

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);

描述

parse(String html, String baseUri)

这方法能够将输入的HTML解析为一个新的文档 (

Document

），参数 baseUri 是用来将相对 URL 转成绝对URL，并指定从哪个网站获取文档。如这个方法不适用，你可以使用

parse(String html)

方法来解析成HTML字符串如上面的示例。.

只要解析的不是空字符串，就能返回一个结构合理的文档，其中包含(至少) 一个head和一个body元素。

一旦拥有了一个Document，你就可以使用Document中适当的方法或它父类

Element

和

Node

中的方法来取得相关数据。

解析一个body片断

问题

假如你有一个HTML片断 (比如. 一个

div

包含一对

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。

从一个URL加载一个Document

存在问题

你需要从一个网站获取和解析一个HTML文档，并查找其中的相关数据。你可以使用下面解决方法：

解决方法

使用

Jsoup.connect(String url)

方法:

Document doc = Jsoup.connect("http://example.com/").get();
String title = doc.title();

说明

connect(String url)

方法创建一个新的

Connection

, 和

get()

取得和解析一个HTML文件。如果从该URL获取HTML时发生错误，便会抛出

IOException

，应适当处理。

Connection

接口还提供一个方法链来解决特殊请求，具体如下：

Document doc = Jsoup.connect("http://example.com")
.data("query", "Java")
.userAgent("Mozilla")
.cookie("auth", "token")
.timeout(3000)
.post();

这个方法只支持Web URLs (

http

和

https

协议); 假如你需要从一个文件加载，可以使用

parse(File in, String charsetName)

代替。

从一个文件加载一个文档

问题

在本机硬盘上有一个HTML文件，需要对它进行解析从中抽取数据或进行修改。

办法

可以使用静态

Jsoup.parse(File in, String charsetName, String baseUri)

方法：

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");

说明

parse(File in, String charsetName, String baseUri)

这个方法用来加载和解析一个HTML文件。如在加载文件的时候发生错误，将抛出IOException，应作适当处理。

baseUri

参数用于解决文件中URLs是相对路径的问题。如果不需要可以传入一个空的字符串。

另外还有一个方法

parse(File in, String charsetName)

，它使用文件的路径做为

baseUri

。这个方法适用于如果被解析文件位于网站的本地文件系统，且相关链接也指向该文件系统。

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航