概念
Jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。
快速入门
步骤
导入jar包
jsoup-1.11.2.jar
获取Document
获取对应的标签Element对象
获取数据
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
| package com.xml.jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
public class JsoupDemo1 {
public static void main(String[] args) throws Exception {
String path = JsoupDemo1.class.getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
Element element = elements.get(0);
String name = element.text();
System.out.println(name);
}
}
|
对象的使用
- Jsoup：工具类，可以解析html或者xml文档返回给Document对象。
- Document：文档对象，代表内存中的dom树
- Elements：元素Element对象的集合。可以当作ArrayList来使用
- Element：元素对象
- Node：节点对象
Jsoup对象
- parse：解析html或者xml文档，返回Document
- parse(File in,String charsetName) :解析html或者xml文件的
- parse(String html):解析xml或者html字符串的
- parse(URL url ,int timeoutMillis):通过网络路径获取指定的HTML和xml的文档对象
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
| package com.xml.jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.net.URL;
public class JsoupDemo2 {
public static void main(String[] args) throws Exception {
String path = JsoupDemo2.class.getResource("student.xml").getPath();
String str = "<?xml version=\"1.0\" encoding=\"UTF-8\" ?>\n" +
" <students xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\"\n" +
" \t\t\t xmlns=\"http://www.itcast.cn/xml\" \n" +
" \t\t xsi:schemaLocation=\"http://www.itcast.cn/xml student.xsd\"\n" +
" \t\t >\n" +
" \t<student number=\"xml_0001\">\n" +
" \t\t<name>tom</name>\n" +
" \t\t<age>18</age>\n" +
" \t\t<sex>male</sex>\n" +
" \t</student>\n" +
"\t<student number=\"xml_0002\">\n" +
" \t\t<name>mark</name>\n" +
" \t\t<age>18</age>\n" +
" \t\t<sex>female</sex>\n" +
" \t</student>\n" +
"\t\t \n" +
" </students>";
Document document = Jsoup.parse(str);
System.out.println(document);
URL url = new URL("http://oldaz.top/");
Document document1 = Jsoup.parse(url, 10000);
System.out.println(document1);
}
}
|
Document对象
文本对象，代表内存中的dom树
功能：获取Element对象
getElementById(id):根据id属性值获取唯一的element对象
getElementsByTag(String tagName):根据标签名称获取元素对象集合
getElementsByAttribute(String key):根据属性名称来获取元素元素对象集合
getElementsByAttribute(String key,String value):
根据对应的属性名和属性值获取元素对象集合。
案例代码
xml：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| <?xml version="1.0" encoding="UTF-8" ?>
<students>
<student number="xml_0001">
<name id ="id01">tom</name>
<age>18</age>
<sex>male</sex>
</student>
<student number="xml_0002">
<name>mark</name>
<age>18</age>
<sex>female</sex>
</student>
</students>
|
获取Elements对象
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
| package com.xml.jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
public class JsoupDemo3 {
public static void main(String[] args) throws Exception {
String path = JsoupDemo2.class.getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
Elements elements = document.getElementsByTag("student");
System.out.println(elements);
System.out.println("----------getEleentsById-----------");
Elements elements1 = document.getElementsByAttribute("id");
System.out.println(elements1);
System.out.println("--------------------");
Elements elements2 = document.getElementsByAttributeValue("number", "xml_0001");
System.out.println(elements2);
System.out.println("--------------------");
Element id01 = document.getElementById("id01");
System.out.println(id01);
}
}
|
Element对象
获取子元素对象
getElementById(id):根据id属性值获取唯一的element对象
getElementsByTag(String tagName):根据标签名称获取元素对象集合
getElementsByAttribute(String key):根据属性名称来获取元素元素对象集合
getElementsByAttribute(String key,String value):
根据对应的属性名和属性值获取元素对象集合。
获取属性值
String attr(String key):根据属性名称获取属性值
获取文本内容
String text():获取文本内容
String html():获取标签体的所有内容（包括子标签的字符串内容）
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
| package com.xml.jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
public class JsoupDemo4 {
public static void main(String[] args) throws Exception {
String path = JsoupDemo2.class.getResource("student.xml").getPath();
Document document = Jsoup.parse(new File(path), "utf-8");
Elements elements = document.getElementsByTag("name");
System.out.println(elements.size());
System.out.println("---------------");
Element student_1 = document.getElementsByTag("student").get(0);
Elements stdent_1_name = student_1.getElementsByTag("name");
System.out.println(stdent_1_name.size());
String number = student_1.attr("number");
System.out.println(number);
String text = stdent_1_name.text();
String html = stdent_1_name.html();
System.out.println(text);
System.out.println(html);
}
}
|
Node节点对象
是Document和Element的父类
主要是包含增删改的方法