HTML&XML解析器--Jsoup

2022-04-04 本文已影响0人张氏小毛驴

HTML&XML解析器

一.Jsoup概述

Jsoup简介

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，它提供一套非常省力的API，可以通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。

同样，Jsoup能解析HTML，也可以解析XML
Jsoup主要功能
- 从一个URL，文件或字符串中解析HTML(XML)
- 使用DOM或CSS的选择器来查找和取出数据
- 可以操作HTML/XML的元素，属性和文本
Jsoup主要类
- Jsoup：工具类，可以解析html或xml文档，返回一个Document
- Document：文档对象，代表内存中的DOM树
- Element：元素对象
- Elements：元素对象Element的集合，可以当做ArrayList<Element>来使用
- Node：节点对象，是Document和Element的父类

二.Jsoup的应用

快速入门步骤

导入相关的jar包
获取Document对象
获取对应标签的Element对象
获取数据

XML文件student.xml

<students>
    <student number="0001">
        <name id="itcast">
            <xing>张</xing>
            <ming>三</ming>
        </name>
        <age>18</age>
        <sex>male</sex>
    </student>
    <student number="0002">
        <name>jack</name>
        <age>18</age>
        <sex>female</sex>
    </student>

</students>

package com.zzy.www.JsoupTest;

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.io.IOException;

public class JsoupDemo1 {
    public static void main(String[] args) throws IOException {
        String xmlPath = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
        // 获取Document对象
        Document document = Jsoup.parse(new File(xmlPath), "utf-8");

        // 获取对应标签的Element对象 获取name标签
        Elements ele = document.getElementsByTag("name");

//        System.out.println(ele);

        // 获取第一个name的Element对象
        Element e1 = ele.get(0);
        System.out.println(e1);
    }
}

相关对象的API使用介绍

Jsoup

Jsoup类是任何Jsoup程序的入口点，并且提供了从各种来源加载和解析HTML/XML文档的方法。

主要方法有如下：
- static Connection connect(String url)：创建并返回URL的连接
- static Document parse(File in, String charsetName)：将制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。

Document

Document代表了内存中的dom树。

主要方法有：

Element getElementById(String id)：根据id属性值获取唯一的element对象
Elements getElementByTag(String tagName)：根据标签名获取元素对象的集合
Elements getElementByAttribute(String key)：根据属性名称获取元素对象集合
Elements getElementByAttributeValue(String key, String value)：根据对应的属性名和属性值获取元素对象集合

public class JsoupDemo2 {
    public static void main(String[] args) throws IOException {
        String xmlPath = JsoupDemo2.class.getClassLoader().getResource("student.xml").getPath();

        // 获取Document对象
        Document doc = Jsoup.parse(new File(xmlPath), "utf-8");

        // 根据ID值获取Element对象
        Element eleId = doc.getElementById("itcast");
        System.out.println(eleId);
        System.out.println("=================");

        // 获取所有的student对象
        // 通过标签名获取
        Elements eleStudents = doc.getElementsByTag("student");
        System.out.println(eleStudents);
        System.out.println("---------------------");

        // 获取属性名为id的元素对象
        Elements eleAttrId = doc.getElementsByAttribute("id");
        System.out.println(eleAttrId);
        System.out.println("+++++++++++++++++++++");

        // 获取属性名为number，属性值为0002的元素对象
        Elements ele = doc.getElementsByAttributeValue("number", "0002");
        System.out.println(ele);
    }
}

Elements

Element对象的集合，当做ArrayList<Element>处理

Element

Element代表了元素对象

主要有以下几类方法：

获取子元素对象
- Element getElementById(String id)：根据id属性值获取唯一的element对象
- Elements getElementByTag(String tagName)：根据标签名获取元素对象的集合
- Elements getElementByAttribute(String key)：根据属性名称获取元素对象集合
- Elements getElementByAttributeValue(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）

public class JsoupDemo3 {
    public static void main(String[] args) throws IOException {
        String xmlPath = JsoupDemo1.JsoupDemo2.class.getClassLoader().getResource("student.xml").getPath();

        // 获取Document对象
        Document doc = Jsoup.parse(new File(xmlPath), "utf-8");


        // 先获取Element元素对象
        Elements eles = doc.getElementsByTag("student");
        Element ele = eles.get(0);

        // 获取Element元素的属性值
        String attr = ele.attr("number");
        System.out.println(attr);   // 输出：0001
        System.out.println("--------------");

        // 获取元素的子元素对象
        Elements ele1 = ele.getElementsByTag("name");
        System.out.println(ele1);

        // 获取文本内容
        String txt = ele1.text();
        System.out.println(txt); // 输出：张 三
        System.out.println("===============");

        String html = ele1.html();
        System.out.println(html);
        // 输出：
//            <xing>
//                张 
//                </xing> 
//            <ming>
//                三 
//                </ming>
    }
}

还可以使用快捷查询方式，使用选择器Selector

static Elements select(String cssQuery)：详细语法需要查看Jsoup官方文档https://jsoup.org/apidocs/org/jsoup/select/Selector.html

public class JsoupDemo4 {
    public static void main(String[] args) throws IOException {
        String xmlPath = JsoupDemo4.class.getClassLoader().getResource("student.xml").getPath();

        Document doc = Jsoup.parse(new File(xmlPath), "utf-8");

        // 通过标签名查找
        Elements eles = doc.select("name");
        System.out.println(eles);
        System.out.println("----------------");

        // 通过id值查找
        Elements eles1 = doc.select("#itcast");
        System.out.println(eles1);
        System.out.println("================");

        // 通过属性值查找 number=0002
        Elements eles2 = doc.select("[number='0002']");
        System.out.println(eles2);
    }
}

学习链接

https://blog.csdn.net/weixin_34129696/article/details/91885803

HTML&XML解析器--Jsoup

HTML&XML解析器

一.Jsoup概述

二.Jsoup的应用

猜你喜欢

热点阅读