Jsoup笔记

柔情只为你懂 2021-12-16 04:28 294阅读 0赞

### 1. 什么是Jsoup ###

*  Jsoup是一款Java 的HTML(html也是XML文档)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选择器的操作方法来取出和操作数据。所以使用jsoup就可以解析HTML。
 *  Jsoup使用的是DOM解析方式，把整个HTML文档（XML文档）加载到内存中形成一棵DOM树，得到文档的Document对象。HTML里的标签，会转换成Element对象。
 *  jar包：

### 2. Jsoup的基本使用步骤 ###

1.  解析HTML，得到Document对象
2.  从Document里找到标签Element对象
3.  从Element上获取数据（标签体、或属性值）

## 三、Jsoup的API介绍 ##

### 1. 获取Document对象 ###

Jsoup类提供了三种常用方法：

<table>       
 <tbody> 
  <tr> 
   <td> 
    <div>
      方法 
    </div> </td> 
   <td> 
    <div>
      参数 
    </div> </td> 
   <td> 
    <div>
      返回值 
    </div> </td> 
   <td> 
    <div>
      说明 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      parse(html) 
    </div> </td> 
   <td> 
    <div>
      html：html字符串 
    </div> </td> 
   <td> 
    <div>
      Document 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      parse(file,charset) 
    </div> </td> 
   <td> 
    <div>
      file：html文件&lt;br /&gt;charset：字符集 
    </div> </td> 
   <td> 
    <div>
      Document 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      connect(url).get() 
    </div> </td> 
   <td> 
    <div>
      url：网址 
    </div> </td> 
   <td> 
    <div>
      Document 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

### 2. 获取Element对象 ###

#### 2.1 类似js的方式 ####

Document提供提供了常用方法：

<table>       
 <tbody> 
  <tr> 
   <td> 
    <div>
      方法 
    </div> </td> 
   <td> 
    <div>
      参数 
    </div> </td> 
   <td> 
    <div>
      返回值 
    </div> </td> 
   <td> 
    <div>
      说明 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      getElementById(id) 
    </div> </td> 
   <td> 
    <div>
      id:标签的id 
    </div> </td> 
   <td> 
    <div>
      Element 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      getElementsByTag(tagName) 
    </div> </td> 
   <td> 
    <div>
      tagName：标签名称 
    </div> </td> 
   <td> 
    <div>
      Elements 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      getElementsByClass(className) 
    </div> </td> 
   <td> 
    <div>
      className：类名 
    </div> </td> 
   <td> 
    <div>
      Elements 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      getElementsByAttribute(attrName) 
    </div> </td> 
   <td> 
    <div>
      attrName：属性名 
    </div> </td> 
   <td> 
    <div>
      Elements 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      parent() 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
   <td> 
    <div>
      Element 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      children() 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
   <td> 
    <div>
      Elements 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

> Element：标签转换成的一个对象
> 
> Elements：本质是ArrayList<Element>，是一个Element的集合

#### 2.2 类似jQuery选择器的方式 ####

css-like语法

##### 2.2.1 常用选择器 #####

*  基本选择器
    
     *  标签选择器：div
     *  ID选择器：\#div1
     *  类选择器：.cls
     *  组合选择器：div.cls --获取类名为cls的div元素
 *  层级选择器
    
     *  A B：获取A元素的后代元素B
     *  A>B：获取A元素的子元素B
     *  A+B：获取A元素后边相邻的B元素
     *  A~B：获取A元素后边所有的B元素
 *  属性选择器
    
     *  A\[attr\]：获取包含attr属性的A元素
     *  A\[attr=value\]：获取attr属性值是value的A元素
     *  A\[attr^=value\]：获取attr属性值以value开头的A元素
     *  A\[attr$=value\]：获取attr属性值以value结尾的A元素
     *  A\[attr\*=value\]：获取attr属性值里包含value的A元素
 *  伪选择器（基本过滤选择器）
    
     *  :gt(n)：获取索引大于n的
     *  :eq(n)：获取索引等于n的
     *  :has(selector)：获取包含有selector结果的元素。比如：li:has(a)获取里边有a元素的li元素
     *  :not(selector)：排除selector选择的结果不要

##### 2.2.2 选择器使用方法 #####

*  Elements elements = document.select(String cssQuery)
    
    >  *  Document对象可以使用此方法：从整个html文档里查找
    >  *  Element对象也可以使用此方法：从某Element标签内部查找
    >  *  Elements对象也可以使用此方法：从一批Elements标签内部查找

### 3. 获取数据 ###

Element和Elements提供了获取数据的方法：

<table>       
 <tbody> 
  <tr> 
   <td> 
    <div>
      方法 
    </div> </td> 
   <td> 
    <div>
      参数 
    </div> </td> 
   <td> 
    <div>
      返回值 
    </div> </td> 
   <td> 
    <div>
      说明 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      html() 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
   <td> 
    <div>
      String 
    </div> </td> 
   <td> 
    <div>
      获取标签体内容 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      text() 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
   <td> 
    <div>
      String 
    </div> </td> 
   <td> 
    <div>
      获取第一个标签体文本内容 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      eachText() 
    </div> </td> 
   <td> 
    <div>
      &nbsp; 
    </div> </td> 
   <td> 
    <div>
      List&lt;String&gt; 
    </div> </td> 
   <td> 
    <div>
      获取Elements里每个标签的文本内容 
    </div> </td> 
  </tr> 
  <tr> 
   <td> 
    <div>
      attr(attrName) 
    </div> </td> 
   <td> 
    <div>
      attrName：属性名 
    </div> </td> 
   <td> 
    <div>
      String 
    </div> </td> 
   <td> 
    <div>
      获取属性值 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

转载于:https://www.cnblogs.com/yanjiexiansheng/p/10940229.html