Jsoup抓取（获取）网页内容（java）

我是在一篇博客里一个一个地测试（HttpClient、Jsoup、HtmlUnit、Watij、Selenium、Webspec）各种问题找不到对应的jar包等

，最终只有一个能用Jsoup（运气好找到了）。

原创文章，转载请注明出处：http://www.yshjava.cn/post/415.html（好像上不了了） 

其他人转的博客：https://blog.csdn.net/limm33/article/details/78811165

 

需要的jar包 
下载一个 jsoup-1.6.1.jar （一个外国网站可以免费下载：http://www.java2s.com/Code/Jar/j/Downloadjsoup161jar.htm ）

com.im.base_one.java代码(复制运行就ok了)

package com.im.base_one;

import java.io.IOException;
import org.jsoup.Jsoup;

public class zhuabao {
    
     public static void main(String[] args) throws IOException {  
         Jsoup_fangfa();        
        }  
     
     
     /** 
      *  基于Jsoup抓取网页内容 
      */  
     public static void Jsoup_fangfa() throws IOException {
         
         //目标页面  
           String url = "https://www.baidu.com/";  //需要获取的网站
            //使用Jsoup连接目标页面,并执行请求,获取服务器响应内容  
            String html = Jsoup.connect(url).execute().body();  
            //打印页面内容  
            //System.out.println(html); 
            //后面的，就是写你要获取的数据（我一般用正则获取所需要的数据）
           //正则努力写中。。。哈哈哈

           //正则部分已写出

          String rgex="
(.*?)
";  //(.*?)所有内容          注意空格（好像也算入）
            List lists = getSubUtil(html,rgex);
            for (String string : lists) {
                System.out.println(string);
            }

          //基本完成了，可以把获取的  System.out.println(string); 中的string传到页面（jsp）

         //$("#formLogin").html("传过来的内容");




     }



//正则表达式匹配两个指定字符串中间的内容  返回：

 public static List getSubUtil(String soap,String rgex){  
            List list = new ArrayList();  
            
            //Pattern pattern = Pattern.compile(rgex);//  编译正则表达式    当遇到  换行符  就匹配不出了
            Pattern pattern = Pattern.compile(rgex, Pattern.CASE_INSENSITIVE | Pattern.DOTALL);//  编译正则表达式
          
            Matcher m = pattern.matcher(soap);//通过  matcher 进行匹配
            while (m.find()) {  
                int i = 1;  
                list.add(m.group(i));  
                i++;  
            }  
            return list;  
        } 





}