Jsoup解析HTML教程详解[传智播客]

在了解如何使用Jsoup之前，我们现来看Jsoup是什么?jsoup是一款Java的HTML解析器，主要用来对HTML解析, 可直接解析某个URL地址、HTML文本内容。在开发爬虫的时候 ，当我们用HttpClient之类的框架，获取到网页源码之后，需要从网页源码中取出我们想要的内容,就可以使用jsoup这类HTML解析器了，可以非常轻松的实现。虽然jsoup也支持从某个地址直接去爬取网页源码,但是只支持HTTP，HTTPS协议，支持不够丰富。所以，主要还是用来对HTML进行解析。其中,要被解析的HTML可以是一个HTML的字符串，可以是一个UR，可以是一个文件。下面我们介绍下Jsoup解析HTML教程。

一、快速入门

1. 导入jar包

2. 获取Document对象

3. 获取对应的标签Element对象

4. 获取数据

//2.1获取student.xml的path

String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();

//2.2解析xml文档，加载文档进内存，获取dom树--->Document

Document document = Jsoup.parse(new File(path), "utf-8");

//3.获取元素对象 Element

Elements elements = document.getElementsByTag("name");

System.out.println(elements.size());

//3.1获取第一个name的Element对象

Element element = elements.get(0);

//3.2获取数据

String name = element.text();

System.out.println(name);

二、类的说明

1. Jsoup：工具类，可以解析html或xml文档，返回Document

* parse：解析html或xml文档，返回Document

* parse(File in, String charsetName)：解析xml或html文件的。

* parse(String html)：解析xml或html字符串

* parse(URL url, int timeoutMillis)：通过网络路径获取指定的html或xml的文档对象

2. Document：文档对象。代表内存中的dom树

* 获取Element对象

* getElementById(String 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)：根据属性名称获取元素对象集合

* getElementsByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合

3. Elements：元素Element对象的集合。可以当做 ArrayList来使用

(1)获取子元素对象

* getElementById(String 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)：根据属性名称获取元素对象集合

* getElementsByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合

(2)获取属性值

* String attr(String key)：根据属性名称获取属性值

(3)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(包括字标签的字符串内容)

5. Node：节点对象

* 是Document和Element的父类

三、快捷查询方式

1. selector:选择器

* 使用的方法：Elements select?(String cssQuery)

* 语法：参考Selector类中定义的语法

2. XPath：XPath即为XML路径语言，它是一种用来确定XML(标准通用标记语言的子集)文档中某部分位置的语言

* 使用Jsoup的Xpath需要额外导入jar包。

* 查询w3cshool参考手册，使用xpath的语法完成查询

//1.获取student.xml的path

String path = JsoupDemo6.class.getClassLoader().getResource("student.xml").getPath();

//2.获取Document对象

Document document = Jsoup.parse(new File(path), "utf-8");

//3.根据document对象，创建JXDocument对象

JXDocument jxDocument = new JXDocument(document);

//4.结合xpath语法查询

//4.1查询所有student标签

List jxNodes = jxDocument.selN("//student");

for (JXNode jxNode : jxNodes) {

System.out.println(jxNode);

}

System.out.println("--------------------");

//4.2查询所有student标签下的name标签

List jxNodes2 = jxDocument.selN("//student/name");

for (JXNode jxNode : jxNodes2) {

System.out.println(jxNode);

}

System.out.println("--------------------");

//4.3查询student标签下带有id属性的name标签

List jxNodes3 = jxDocument.selN("//student/name[@id]");

for (JXNode jxNode : jxNodes3) {

System.out.println(jxNode);

}

System.out.println("--------------------");

//4.4查询student标签下带有id属性的name标签 并且id属性值为itcast

List jxNodes4 = jxDocument.selN("//student/name[@id='itcast']");

for (JXNode jxNode : jxNodes4) {

System.out.println(jxNode);

}

}

以上我们介绍了java的Html解析器“Jsoup”的使用教程，如果想系统学习java知识，达到就业水平，请单击页面咨询按钮了解传智播客Java培训课程。