kingmxj
- 浏览: 182436 次
- 性别:
- 来自: 北京
-
文章分类
最新评论
-
lixiaoyang1216：
请问，为什么我压缩后，压缩文件为空。原文件是有值的。？？？？
压缩文件（ant.jar） -
九牛一毛：
var zNodes =[
{ name:"父 ...
jQuery zTree -
jyjava：
VO--》BO--》PO，呵呵
vo-po -
jd406：
帅哥，能整成文档上传个附件不？
Word版的也行啊，我再把它转 ...
经典sql大全 -
释皇天：
不行啊！报 document.all.WebBrowser.E ...
js调用ie打印
jsoup 简介
Java 程序在解析 HTML 文档时，相信大家都接触过 htmlparser 这个开源项目，我曾经在 IBM DW 上发表过两篇关于 htmlparser 的文章，分别是：从 HTML 中攫取你所需的信息和 扩展 HTMLParser 对自定义标签的处理能力。但现在我已经不再使用 htmlparser 了，原因是 htmlparser 很少更新，但最重要的是有了 jsoup 。
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。
jsoup 的主要功能如下：
1. 从一个 URL，文件或字符串中解析 HTML；
2. 使用 DOM 或 CSS 选择器来查找、取出数据；
3. 可操作 HTML 元素、属性、文本；
jsoup 是基于 MIT 协议发布的，可放心使用于商业项目。
jsoup 的主要类层次结构如图 1 所示：
图 1. jsoup 的类层次结构
图 1. jsoup 的类层次结构
接下来我们专门针对几种常见的应用场景举例说明 jsoup 是如何优雅的进行 HTML 文档处理的。
回页首
文档输入
jsoup 可以从包括字符串、URL 地址以及本地文件来加载 HTML 文档，并生成 Document 对象实例。
下面是相关代码：
清单 1
// 直接从字符串中输入 HTML 文档
String html = "<html><head><title> 开源中国社区 </title></head>"
+ "<body><p> 这里是 jsoup 项目的相关文章 </p></body></html>";
Document doc = Jsoup.parse(html);
// 从 URL 直接加载 HTML 文档
Document doc = Jsoup.connect("http://www.oschina.net/").get();
String title = doc.title();
Document doc = Jsoup.connect("http://www.oschina.net/")
.data("query", "Java") // 请求参数
.userAgent("I ’ m jsoup") // 设置 User-Agent
.cookie("auth", "token") // 设置 cookie
.timeout(3000) // 设置连接超时时间
.post(); // 使用 POST 方法访问 URL
// 从文件中加载 HTML 文档
File input = new File("D:/test.html");
Document doc = Jsoup.parse(input,"UTF-8","http://www.oschina.net/");
请大家注意最后一种 HTML 文档输入方式中的 parse 的第三个参数，为什么需要在这里指定一个网址呢（虽然可以不指定，如第一种方法）？因为 HTML 文档中会有很多例如链接、图片以及所引用的外部脚本、css 文件等，而第三个名为 baseURL 的参数的意思就是当 HTML 文档使用相对路径方式引用外部文件时，jsoup 会自动为这些 URL 加上一个前缀，也就是这个 baseURL。
例如 <a href=/project> 开源软件 </a> 会被转换成 <a href=http://www.oschina.net/project> 开源软件 </a>。
回页首
解析并提取 HTML 元素
这部分涉及一个 HTML 解析器最基本的功能，但 jsoup 使用一种有别于其他开源项目的方式——选择器，我们将在最后一部分详细介绍 jsoup 选择器，本节中你将看到 jsoup 是如何用最简单的代码实现。
不过 jsoup 也提供了传统的 DOM 方式的元素解析，看看下面的代码：
清单 2.
File input = new File("D:/test.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://www.oschina.net/");
Element content = doc.getElementById("content");
Elements links = content.getElementsByTag("a");
for (Element link : links) {
String linkHref = link.attr("href");
String linkText = link.text();
}
你可能会觉得 jsoup 的方法似曾相识，没错，像 getElementById 和 getElementsByTag 方法跟 JavaScript 的方法名称是一样的，功能也完全一致。你可以根据节点名称或者是 HTML 元素的 id 来获取对应的元素或者元素列表。
与 htmlparser 项目不同的是，jsoup 并没有为 HTML 元素定义一个对应的类，一般一个 HTML 元素的组成部分包括：节点名、属性和文本，jsoup 提供简单的方法供你自己检索这些数据，这也是 jsoup 保持瘦身的原因。
而在元素检索方面，jsoup 的选择器简直无所不能，
清单 3.
File input = new File("D:\test.html");
Document doc = Jsoup.parse(input,"UTF-8","http://www.oschina.net/");
Elements links = doc.select("a[href]"); // 具有 href 属性的链接
Elements pngs = doc.select("img[src$=.png]");// 所有引用 png 图片的元素
Element masthead = doc.select("div.masthead").first();
// 找出定义了 class=masthead 的元素
Elements resultLinks = doc.select("h3.r > a"); // direct a after h3
这是 jsoup 真正让我折服的地方，jsoup 使用跟 jQuery 一模一样的选择器对元素进行检索，以上的检索方法如果换成是其他的 HTML 解释器，至少都需要很多行代码，而 jsoup 只需要一行代码即可完成。
jsoup 的选择器还支持表达式功能，我们将在最后一节介绍这个超强的选择器。
回页首
修改数据
在解析文档的同时，我们可能会需要对文档中的某些元素进行修改，例如我们可以为文档中的所有图片增加可点击链接、修改链接地址或者是修改文本等。
下面是一些简单的例子：
清单 4.
doc.select("div.comments a").attr("rel", "nofollow");
// 为所有链接增加 rel=nofollow 属性
doc.select("div.comments a").addClass("mylinkclass");
// 为所有链接增加 class=mylinkclass 属性
doc.select("img").removeAttr("onclick"); // 删除所有图片的 onclick 属性
doc.select("input[type=text]").val(""); // 清空所有文本输入框中的文本
道理很简单，你只需要利用 jsoup 的选择器找出元素，然后就可以通过以上的方法来进行修改，除了无法修改标签名外（可以删除后再插入新的元素），包括元素的属性和文本都可以修改。
修改完直接调用 Element(s) 的 html() 方法就可以获取修改完的 HTML 文档。
回页首
HTML 文档清理
jsoup 在提供强大的 API 同时，人性化方面也做得非常好。在做网站的时候，经常会提供用户评论的功能。有些用户比较淘气，会搞一些脚本到评论内容中，而这些脚本可能会破坏整个页面的行为，更严重的是获取一些机要信息，例如 XSS 跨站点攻击之类的。
jsoup 对这方面的支持非常强大，使用非常简单。看看下面这段代码：
清单 5.
String unsafe = "<p><a href='http://www.oschina.net/' onclick='stealCookies()'>
开源中国社区 </a></p>";
String safe = Jsoup.clean(unsafe, Whitelist.basic());
// 输出 :
// <p><a href="http://www.oschina.net/" rel="nofollow"> 开源中国社区 </a></p>
jsoup 使用一个 Whitelist 类用来对 HTML 文档进行过滤，该类提供几个常用方法：
表 1. 常用方法：
方法名 简介
none() 只允许包含文本信息
basic() 允许的标签包括：a, b, blockquote, br, cite, code, dd, dl, dt, em, i, li, ol, p, pre, q, small, strike, strong, sub, sup, u, ul, 以及合适的属性
simpleText() 只允许 b, em, i, strong, u 这些标签
basicWithImages() 在 basic() 的基础上增加了图片
relaxed() 这个过滤器允许的标签最多，包括：a, b, blockquote, br, caption, cite, code, col, colgroup, dd, dl, dt, em, h1, h2, h3, h4, h5, h6, i, img, li, ol, p, pre, q, small, strike, strong, sub, sup, table, tbody, td, tfoot, th, thead, tr, u, ul
如果这五个过滤器都无法满足你的要求呢，例如你允许用户插入 flash 动画，没关系，Whitelist 提供扩展功能，例如 whitelist.addTags("embed","object","param","span","div"); 也可调用 addAttributes 为某些元素增加属性。
回页首
jsoup 的过人之处——选择器
前面我们已经简单的介绍了 jsoup 是如何使用选择器来对元素进行检索的。本节我们把重点放在选择器本身强大的语法上。下表是 jsoup 选择器的所有语法详细列表。
表 2. 基本用法：
tagname 使用标签名来定位，例如 a
ns|tag 使用命名空间的标签定位，例如 fb:name 来查找 <fb:name> 元素
#id 使用元素 id 定位，例如 #logo
.class 使用元素的 class 属性定位，例如 .head
[attribute] 使用元素的属性进行定位，例如 [href] 表示检索具有 href 属性的所有元素
[^attr] 使用元素的属性名前缀进行定位，例如 [^data-] 用来查找 HTML5 的 dataset 属性
[attr=value] 使用属性值进行定位，例如 [width=500] 定位所有 width 属性值为 500 的元素
[attr^=value], [attr$=value], [attr*=value] 这三个语法分别代表，属性以 value 开头、结尾以及包含
[attr~=regex] 使用正则表达式进行属性值的过滤，例如 img[src~=(?i)\.(png|jpe?g)]
* 定位所有元素
以上是最基本的选择器语法，这些语法也可以组合起来使用，下面是 jsoup 支持的组合用法：
表 3：组合用法：
el#id 定位 id 值某个元素，例如 a#logo -> <a id=logo href= … >
el.class 定位 class 为指定值的元素，例如 div.head -> <div class=head>xxxx</div>
el[attr] 定位所有定义了某属性的元素，例如 a[href]
以上三个任意组合 例如 a[href]#logo 、a[name].outerlink
ancestor child 这五种都是元素之间组合关系的选择器语法，其中包括父子关系、合并关系和层次关系。
parent > child
siblingA + siblingB
siblingA ~ siblingX
el, el, el
除了一些基本的语法以及这些语法进行组合外，jsoup 还支持使用表达式进行元素过滤选择。下面是 jsoup 支持的所有表达式一览表：
表 4. 表达式：
:lt(n) 例如 td:lt(3) 表示 小于三列
:gt(n) div p:gt(2) 表示 div 中包含 2 个以上的 p
:eq(n) form input:eq(1) 表示只包含一个 input 的表单
:has(seletor) div:has(p) 表示包含了 p 元素的 div
:not(selector) div:not(.logo) 表示不包含 class=logo 元素的所有 div 列表
:contains(text) 包含某文本的元素，不区分大小写，例如 p:contains(oschina)
:containsOwn(text) 文本信息完全等于指定条件的过滤
:matches(regex) 使用正则表达式进行文本过滤：div:matches((?i)login)
:matchesOwn(regex) 使用正则表达式找到自身的文本
回页首
总结
jsoup 的基本功能到这里就介绍完毕，但由于 jsoup 良好的可扩展性 API 设计，你可以通过选择器的定义来开发出非常强大的 HTML 解析功能。再加上 jsoup 项目本身的开发也非常活跃，因此如果你正在使用 Java ，需要对 HTML 进行处理，不妨试试。
参考资料
学习
jsoup 官方网站：http://jsoup.org
开源中国社区上 jsoup 的一些代码片段：http://www.oschina.net/code/list_by_project?id=12689
Htmlparser 项目介绍：http://www.oschina.net/p/htmlparser
jQuery 项目介绍：http://www.oschina.net/p/jquery
更多开源项目的介绍来自开源中国社区：http://www.oschina.net
developerWorks Java 技术专区： 这里有数百篇关于 Java 编程每个方面的文章。
查看 HTML5 专题，了解更多和 HTML5 相关的知识和动向。
Java 程序在解析 HTML 文档时，相信大家都接触过 htmlparser 这个开源项目，我曾经在 IBM DW 上发表过两篇关于 htmlparser 的文章，分别是：从 HTML 中攫取你所需的信息和 扩展 HTMLParser 对自定义标签的处理能力。但现在我已经不再使用 htmlparser 了，原因是 htmlparser 很少更新，但最重要的是有了 jsoup 。
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。
jsoup 的主要功能如下：
1. 从一个 URL，文件或字符串中解析 HTML；
2. 使用 DOM 或 CSS 选择器来查找、取出数据；
3. 可操作 HTML 元素、属性、文本；
jsoup 是基于 MIT 协议发布的，可放心使用于商业项目。
jsoup 的主要类层次结构如图 1 所示：
图 1. jsoup 的类层次结构
图 1. jsoup 的类层次结构
接下来我们专门针对几种常见的应用场景举例说明 jsoup 是如何优雅的进行 HTML 文档处理的。
回页首
文档输入
jsoup 可以从包括字符串、URL 地址以及本地文件来加载 HTML 文档，并生成 Document 对象实例。
下面是相关代码：
清单 1
// 直接从字符串中输入 HTML 文档
String html = "<html><head><title> 开源中国社区 </title></head>"
+ "<body><p> 这里是 jsoup 项目的相关文章 </p></body></html>";
Document doc = Jsoup.parse(html);
// 从 URL 直接加载 HTML 文档
Document doc = Jsoup.connect("http://www.oschina.net/").get();
String title = doc.title();
Document doc = Jsoup.connect("http://www.oschina.net/")
.data("query", "Java") // 请求参数
.userAgent("I ’ m jsoup") // 设置 User-Agent
.cookie("auth", "token") // 设置 cookie
.timeout(3000) // 设置连接超时时间
.post(); // 使用 POST 方法访问 URL
// 从文件中加载 HTML 文档
File input = new File("D:/test.html");
Document doc = Jsoup.parse(input,"UTF-8","http://www.oschina.net/");
请大家注意最后一种 HTML 文档输入方式中的 parse 的第三个参数，为什么需要在这里指定一个网址呢（虽然可以不指定，如第一种方法）？因为 HTML 文档中会有很多例如链接、图片以及所引用的外部脚本、css 文件等，而第三个名为 baseURL 的参数的意思就是当 HTML 文档使用相对路径方式引用外部文件时，jsoup 会自动为这些 URL 加上一个前缀，也就是这个 baseURL。
例如 <a href=/project> 开源软件 </a> 会被转换成 <a href=http://www.oschina.net/project> 开源软件 </a>。
回页首
解析并提取 HTML 元素
这部分涉及一个 HTML 解析器最基本的功能，但 jsoup 使用一种有别于其他开源项目的方式——选择器，我们将在最后一部分详细介绍 jsoup 选择器，本节中你将看到 jsoup 是如何用最简单的代码实现。
不过 jsoup 也提供了传统的 DOM 方式的元素解析，看看下面的代码：
清单 2.
File input = new File("D:/test.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://www.oschina.net/");
Element content = doc.getElementById("content");
Elements links = content.getElementsByTag("a");
for (Element link : links) {
String linkHref = link.attr("href");
String linkText = link.text();
}
你可能会觉得 jsoup 的方法似曾相识，没错，像 getElementById 和 getElementsByTag 方法跟 JavaScript 的方法名称是一样的，功能也完全一致。你可以根据节点名称或者是 HTML 元素的 id 来获取对应的元素或者元素列表。
与 htmlparser 项目不同的是，jsoup 并没有为 HTML 元素定义一个对应的类，一般一个 HTML 元素的组成部分包括：节点名、属性和文本，jsoup 提供简单的方法供你自己检索这些数据，这也是 jsoup 保持瘦身的原因。
而在元素检索方面，jsoup 的选择器简直无所不能，
清单 3.
File input = new File("D:\test.html");
Document doc = Jsoup.parse(input,"UTF-8","http://www.oschina.net/");
Elements links = doc.select("a[href]"); // 具有 href 属性的链接
Elements pngs = doc.select("img[src$=.png]");// 所有引用 png 图片的元素
Element masthead = doc.select("div.masthead").first();
// 找出定义了 class=masthead 的元素
Elements resultLinks = doc.select("h3.r > a"); // direct a after h3
这是 jsoup 真正让我折服的地方，jsoup 使用跟 jQuery 一模一样的选择器对元素进行检索，以上的检索方法如果换成是其他的 HTML 解释器，至少都需要很多行代码，而 jsoup 只需要一行代码即可完成。
jsoup 的选择器还支持表达式功能，我们将在最后一节介绍这个超强的选择器。
回页首
修改数据
在解析文档的同时，我们可能会需要对文档中的某些元素进行修改，例如我们可以为文档中的所有图片增加可点击链接、修改链接地址或者是修改文本等。
下面是一些简单的例子：
清单 4.
doc.select("div.comments a").attr("rel", "nofollow");
// 为所有链接增加 rel=nofollow 属性
doc.select("div.comments a").addClass("mylinkclass");
// 为所有链接增加 class=mylinkclass 属性
doc.select("img").removeAttr("onclick"); // 删除所有图片的 onclick 属性
doc.select("input[type=text]").val(""); // 清空所有文本输入框中的文本
道理很简单，你只需要利用 jsoup 的选择器找出元素，然后就可以通过以上的方法来进行修改，除了无法修改标签名外（可以删除后再插入新的元素），包括元素的属性和文本都可以修改。
修改完直接调用 Element(s) 的 html() 方法就可以获取修改完的 HTML 文档。
回页首
HTML 文档清理
jsoup 在提供强大的 API 同时，人性化方面也做得非常好。在做网站的时候，经常会提供用户评论的功能。有些用户比较淘气，会搞一些脚本到评论内容中，而这些脚本可能会破坏整个页面的行为，更严重的是获取一些机要信息，例如 XSS 跨站点攻击之类的。
jsoup 对这方面的支持非常强大，使用非常简单。看看下面这段代码：
清单 5.
String unsafe = "<p><a href='http://www.oschina.net/' onclick='stealCookies()'>
开源中国社区 </a></p>";
String safe = Jsoup.clean(unsafe, Whitelist.basic());
// 输出 :
// <p><a href="http://www.oschina.net/" rel="nofollow"> 开源中国社区 </a></p>
jsoup 使用一个 Whitelist 类用来对 HTML 文档进行过滤，该类提供几个常用方法：
表 1. 常用方法：
方法名 简介
none() 只允许包含文本信息
basic() 允许的标签包括：a, b, blockquote, br, cite, code, dd, dl, dt, em, i, li, ol, p, pre, q, small, strike, strong, sub, sup, u, ul, 以及合适的属性
simpleText() 只允许 b, em, i, strong, u 这些标签
basicWithImages() 在 basic() 的基础上增加了图片
relaxed() 这个过滤器允许的标签最多，包括：a, b, blockquote, br, caption, cite, code, col, colgroup, dd, dl, dt, em, h1, h2, h3, h4, h5, h6, i, img, li, ol, p, pre, q, small, strike, strong, sub, sup, table, tbody, td, tfoot, th, thead, tr, u, ul
如果这五个过滤器都无法满足你的要求呢，例如你允许用户插入 flash 动画，没关系，Whitelist 提供扩展功能，例如 whitelist.addTags("embed","object","param","span","div"); 也可调用 addAttributes 为某些元素增加属性。
回页首
jsoup 的过人之处——选择器
前面我们已经简单的介绍了 jsoup 是如何使用选择器来对元素进行检索的。本节我们把重点放在选择器本身强大的语法上。下表是 jsoup 选择器的所有语法详细列表。
表 2. 基本用法：
tagname 使用标签名来定位，例如 a
ns|tag 使用命名空间的标签定位，例如 fb:name 来查找 <fb:name> 元素
#id 使用元素 id 定位，例如 #logo
.class 使用元素的 class 属性定位，例如 .head
[attribute] 使用元素的属性进行定位，例如 [href] 表示检索具有 href 属性的所有元素
[^attr] 使用元素的属性名前缀进行定位，例如 [^data-] 用来查找 HTML5 的 dataset 属性
[attr=value] 使用属性值进行定位，例如 [width=500] 定位所有 width 属性值为 500 的元素
[attr^=value], [attr$=value], [attr*=value] 这三个语法分别代表，属性以 value 开头、结尾以及包含
[attr~=regex] 使用正则表达式进行属性值的过滤，例如 img[src~=(?i)\.(png|jpe?g)]
* 定位所有元素
以上是最基本的选择器语法，这些语法也可以组合起来使用，下面是 jsoup 支持的组合用法：
表 3：组合用法：
el#id 定位 id 值某个元素，例如 a#logo -> <a id=logo href= … >
el.class 定位 class 为指定值的元素，例如 div.head -> <div class=head>xxxx</div>
el[attr] 定位所有定义了某属性的元素，例如 a[href]
以上三个任意组合 例如 a[href]#logo 、a[name].outerlink
ancestor child 这五种都是元素之间组合关系的选择器语法，其中包括父子关系、合并关系和层次关系。
parent > child
siblingA + siblingB
siblingA ~ siblingX
el, el, el
除了一些基本的语法以及这些语法进行组合外，jsoup 还支持使用表达式进行元素过滤选择。下面是 jsoup 支持的所有表达式一览表：
表 4. 表达式：
:lt(n) 例如 td:lt(3) 表示 小于三列
:gt(n) div p:gt(2) 表示 div 中包含 2 个以上的 p
:eq(n) form input:eq(1) 表示只包含一个 input 的表单
:has(seletor) div:has(p) 表示包含了 p 元素的 div
:not(selector) div:not(.logo) 表示不包含 class=logo 元素的所有 div 列表
:contains(text) 包含某文本的元素，不区分大小写，例如 p:contains(oschina)
:containsOwn(text) 文本信息完全等于指定条件的过滤
:matches(regex) 使用正则表达式进行文本过滤：div:matches((?i)login)
:matchesOwn(regex) 使用正则表达式找到自身的文本
回页首
总结
jsoup 的基本功能到这里就介绍完毕，但由于 jsoup 良好的可扩展性 API 设计，你可以通过选择器的定义来开发出非常强大的 HTML 解析功能。再加上 jsoup 项目本身的开发也非常活跃，因此如果你正在使用 Java ，需要对 HTML 进行处理，不妨试试。
参考资料
学习
jsoup 官方网站：http://jsoup.org
开源中国社区上 jsoup 的一些代码片段：http://www.oschina.net/code/list_by_project?id=12689
Htmlparser 项目介绍：http://www.oschina.net/p/htmlparser
jQuery 项目介绍：http://www.oschina.net/p/jquery
更多开源项目的介绍来自开源中国社区：http://www.oschina.net
developerWorks Java 技术专区： 这里有数百篇关于 Java 编程每个方面的文章。
查看 HTML5 专题，了解更多和 HTML5 相关的知识和动向。
分享到：
发表评论
-
xml解析器Dom4J代码示例
2013-06-20 16:42 8131． 示例XML文档（holen.xml） <?xm ... -
中文乱码问题
2013-06-20 16:38 6471.对于get方式传参的中文乱码： name = java ... -
获取文件的地址
2013-05-29 18:14 7131.jsp中取得路径： 以工程名为TEST为例： (1)得到 ... -
poi读取excel2003/2007
2013-04-16 17:24 836package com.lietou.open.common. ... -
iframe中session不一致问题(session的值取不到)
2012-10-12 14:30 1358// 解决IE下Iframe的Sess ... -
工具类 -- 获取ip
2012-08-27 14:05 960/** * 获取到客户端IP地址 ... -
缩小图片工具类
2011-05-10 11:11 951package com.juqi.group.common.u ... -
VelocityUtils
2011-05-09 14:19 2411/** * Copyright (c) 2005-2010 ... -
POI 读excel
2011-04-08 15:35 1287package com.amazon.excel; im ... -
list根据某字段排序
2009-12-09 10:32 1822List ret = new ArrayList();//全部 ... -
jstl 集合大小
2009-11-26 16:36 2046<%@ taglib prefix="fn&q ... -
PageModel
2009-11-11 13:27 970package com.itsv.yiliao.back.pe ... -
ResultSet、Statement
2009-11-11 13:18 1222rs.absolute(...)允许你指定结果集的绝对位置 如 ... -
上传文件程序
2009-11-09 15:14 899package com.itsv.util; imp ... -
压缩文件（ant.jar）
2009-11-09 13:59 1442package com.itsv.util; impor ... -
获取真实的ip地址
2009-07-07 11:11 1064方法一： public String getRemortIP ... -
自定义标签
2009-07-01 09:45 889类dictionaryTag 必须继承TagSupport p ... -
如何获取Manager
2009-07-01 08:43 722WebApplicationContextUtils.getR ... -
生成八位随机数（含有大小写字母和数字）
2009-05-20 11:12 2467List list = new ArrayList(); ... -
日期函数
2009-05-07 08:14 1256/** * <p>Title:Toten< ...
相关推荐
2. **文档（Document）**：获取到的HTML内容会被解析成一个`Document`对象，这代表了整个HTML文档的结构。你可以通过这个对象进行DOM遍历和操作。 3. **选择器（Selector）**：jsoup支持CSS选择器，使得我们可以像...
6. **解析与输出**：jsoup不仅可以解析HTML，还能将DOM重新转换回HTML字符串，这意味着你可以修改HTML文档，然后再输出，保持结构完整。 ### 使用示例 以下是一个简单的jsoup使用示例，展示如何解析HTML并提取页面...
Jsoup 是一个用于处理和解析HTML的Java库，它提供了强大的功能，使得在Java程序中操作HTML文档变得简单而直观。在Jsoup 1.10.2版本中，这个API进一步优化了对HTML的处理能力，提供了丰富的类和方法来满足各种需求。 ...
2. **HTML解析**：一旦建立了连接，可以使用`get()`或`post()`方法获取HTML文档。然后，`parse()`方法将HTML内容转换为`Document`对象，这个对象代表了整个HTML结构。 3. **DOM模型（Document）**：`Document`对象...
Jsoup是一款强大的Java库，专为处理HTML文档而设计，同时也支持XML解析。它提供了简单易用的API，使得开发者可以方便地抓取、解析、修改以及清理HTML内容。Jsoup能够模拟浏览器的行为，理解HTML文档的结构，并通过...
Jsoup提供了一种简单、安全且有效的方法来解析和操作HTML文档，使得开发者能够轻松地从网页中提取结构化数据。 ### 1. Jsoup的基本概念 Jsoup的核心功能是解析HTML文档，并将其转化为一个DOM（Document Object ...
### jsoup根据URL解析HTML ...总之，`jsoup`是一个强大的工具，可以帮助开发者轻松地解析和操作HTML文档。通过理解和应用最佳实践，可以更高效地利用这一工具来完成复杂的Web爬虫任务或其他相关项目。
**jsoup**是一款专为Java设计的HTML解析库，它可以帮助开发者方便地解析HTML文档，支持直接解析URL地址、HTML文本等内容。jsoup提供了简洁易用的API接口，用户可以通过DOM、CSS选择器甚至类似jQuery的方式提取和操作...
**Jsoup：HTML解析库** Jsoup是一款Java库，它为了解析、提取以及操作HTML提供了强大的功能。在Android开发中，Jsoup尤其有用，因为它能够帮助开发者从网页中提取结构化数据，这对于网络爬虫或者任何需要从网页获取...
`Document`则代表一个完整的HTML文档，可以从中提取元素和属性。 1. **建立连接与获取HTML** 使用`Jsoup.connect(url)`方法建立与指定URL的连接，然后调用`.get()`或`.post()`方法获取HTML响应。例如： ```java ...
2. **解析HTML文档**：下载的HTML内容可以通过`parse()`方法解析成一个`Document`对象，这是Jsoup处理HTML的基础。 ```java String html = "<html><head><title>Test</title></head><body><p>Hello World</p></...
Jsoup是一款非常强大的Java库，专门用于处理HTML文档，提供了丰富的API来抓取、解析、修改和输出HTML内容。在Java开发中，如果你需要从网页上提取数据或者进行Web抓取，Jsoup是一个理想的选择。这个压缩包文件“用...
Jsoup是一款非常强大的Java库，专门用于处理和解析HTML文档。它提供了丰富的API，使得开发者可以轻松地在代码中操作HTML，实现对网页内容的抓取、解析和修改。Jsoup不仅能够帮助我们提取结构化数据，还能够模拟...
在这个场景下，`jsoup`是一个非常实用的库，它可以帮助我们轻松地解析和操作HTML文档。本文将深入探讨如何在Android中利用`jsoup`库解析HTML文件并进行内容替换。 首先，让我们了解什么是`jsoup`。`jsoup`是一个...
在压缩包文件"JsoupDemo"和"Jsoup"中，可能包含了使用Jsoup进行DOM解析的示例代码。这些代码通常会展示如何连接到URL，选择元素，提取数据，以及进行一些基本的DOM操作。通过阅读和运行这些示例，你可以更深入地了解...
JSoup作为HTML解析库，提供了强大而直观的工具，使得Java开发者能高效地处理HTML文档。结合CSS选择器和jQuery风格的API，无论是提取数据还是修改HTML，都变得简单易行。在"NewSipder"项目中，JSoup可以帮助我们高效...
总的来说，jsoup 是一个强大的 Java 库，用于处理 HTML 文档，包括解析、遍历、查询和数据抽取。它简化了与网页交互的过程，尤其适合构建爬虫和网页分析应用。通过熟练运用上述方法，你可以有效地解析 HTML 并从中...
1. **HTML解析**：jsoup能够解析HTML文档，无论是从一个URL加载还是直接提供HTML字符串。它使用了最新的HTML5规范，可以处理不规范的HTML代码，确保在解析过程中保持数据的完整性。 2. **DOM操作**：jsoup提供了...
JSoup是一款强大的Java库，专为处理和解析HTML文档而设计。它提供了简单易用的API，使开发者能够轻松地提取数据、操作DOM（文档对象模型）以及清理HTML。标题中的"jsoup解析html所需包1.7.3"表明我们将讨论的是JSoup...
Jsoup库提供了一个强大的API，可以方便地解析HTML文档，提取元素，以及修改DOM树。它支持CSS选择器，使得定位HTML元素变得极其简单。要使用Jsoup，首先需要将其添加到项目的依赖中。如果你使用的是Maven，可以在pom....