番禺附近网站建设推广,wordpress自动播放音乐插件,学校做网站的软件,做网站 需要了解什么一、Jsoup的主要功能 二、Jsoup的主要类
org.jsoup.Jsoup类org.jsoup.nodes.Document类org.jsoup.nodes.Element类
三、Jsoup使用
maven引入加载文档解析文档使用选择器获取元素处理元素数据操纵HTML和文本从元素中提取属性#xff0c;文本和HTML
一、Jsoup的主要功能 Jso…一、Jsoup的主要功能 二、Jsoup的主要类
org.jsoup.Jsoup类org.jsoup.nodes.Document类org.jsoup.nodes.Element类
三、Jsoup使用
maven引入加载文档解析文档使用选择器获取元素处理元素数据操纵HTML和文本从元素中提取属性文本和HTML
一、Jsoup的主要功能 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DOMCSS以及类似于jQuery的操作方法来取出和操作数据。
从一个URL文件或字符串中解析HTML使用DOM或CSS选择器来查找、取出数据可操作HTML元素、属性、文本根据安全的白名单清理用户提交的内容以防止XSS攻击输出整洁的HTML
二、Jsoup的主要类
org.jsoup.Jsoup类 Jsoup类是任何Jsoup程序的入口点并将提供从各种来源加载和解析HTML文档的方法。
static Connection connect(String url) 创建并返回URL的连接。
static Document parse(File in, String charsetName) 将指定的字符集文件解析成文档。
static Document parse(String html) 将给定的html代码解析成文档。
static String clean(String bodyHtml, Whitelist whitelist) 从输入HTML返回安全的HTML通过解析输入HTML并通过允许的标签和属性的白名单进行过滤。 2. org.jsoup.nodes.Document类 该类表示通过Jsoup库加载HTML文档。可以使用此类执行适用于整个HTML文档的操作。 3. org.jsoup.nodes.Element类 HTML元素是由标签名称属性和子节点组成。 使用Element类您可以提取数据遍历节点和操作HTML。 三、Jsoup使用 1.maven引入
dependencygroupIdorg.jsoup/groupIdartifactIdjsoup/artifactIdversion1.10.2/version
/dependency2.加载文档
Document document Jsoup.connect(http://www.yiibai.com).get();
Document document Jsoup.parse( new File( D:/temp/index.html ) , utf-8 );
String html htmlheadtitleFirst/title/headbodypParsed/p/body/html;
Document document Jsoup.parse(html);3.解析文档 根据id查询元素 getElementById 根据标签获取元素 getElementsByTag 根据class获取元素 getElementsByClass 根据属性获取元素 getElementsByAttribute
// 解析文件获取doc对象
Document doc Jsoup.parse(new File(C:\\Users\\myqxin\\Desktop\\set.html), utf8);
// 1根据id查询元素 getElementById
Element element1 doc.getElementById(people);
// 2根据标签获取元素 getElementsByTag
Element element2 doc.getElementsByTag(span).first();
// 3根据class获取元素 getElementsByClass
Element element3 doc.getElementsByClass().first();
// 4根据属性获取元素 getElementsByAttribute
Element element4 doc.getElementsByAttribute().last();
// 根据属性和属性值获取 Element element5 doc.getElementsByAttributeValue(abc,123).last();4.使用选择器获取元素 selector选择器概述
tagname通过标签查找元素比如span#id通过ID查找元素比如#myqxin.class通过class名称查找元素比如class_a[attribute]利用属性查找元素比如[abc][attrvalue]利用属性值查询元素比如[classs_name]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[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#logoel.class: 元素class比如 div.mastheadel[attr]: 元素class比如 a[href]任意组合比如a[href].highlightancestor 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 divsiblingA ~ siblingX: 查找A元素之前的同级X元素比如h2 ~ pel, 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§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
5. 处理元素数据
attr(String key)获取和attr(String key, String value)设置属性attributes() 获得所有属性id()className()和classNames()text()获取和text(String value)设置文本内容html()获取和html(String value)设置内部HTML内容outerHtml() 获取外部HTML值data()获取数据内容例如script和style标签tag() 和 tagName()
6.操纵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.从元素中提取属性文本和HTML 在解析文档并找到一些元素之后您将需要获取这些元素中的数据。 Element.id() Element.tagName() Element.className() 和 Element.hasClass(String className)
以上就是java爬虫Jsoup主要类及功能使用详解的详细内容更多关于java爬虫Jsoup类功能的资料请关注猪先飞其它相关文章
