jsoup HTML解析器你好世界示例

HTML解析器Jsoup ，其“类似于jquery”和“ regex”选择器语法非常易于使用，并且足够灵活，可以获取您想要的任何东西。 以下是三个示例，向您展示如何使用Jsoup从HTML页面获取链接，图像，页面标题和“ div”元素内容。

下载jsoup
jsoup在Maven中央存储库中可用。 对于非Maven用户，只需从jsoup网站下载。

pom.xml

            org.jsoup
            jsoup
            1.10.2
        

1.抢占所有超链接

本示例向您展示如何使用jsoup获取页面标题，并获取“ google.com”中的所有链接。

HTMLParserExample1.java

package com.mkyong;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.IOException;

public class HTMLParserExample1 {

    public static void main(String[] args) {

        Document doc;
        try {

            // need http protocol
            doc = Jsoup.connect("http://google.com").get();

            // get page title
            String title = doc.title();
            System.out.println("title : " + title);

            // get all links
            Elements links = doc.select("a[href]");
            for (Element link : links) {

                // get the value from href attribute
                System.out.println("\nlink : " + link.attr("href"));
                System.out.println("text : " + link.text());

            }

        } catch (IOException e) {
            e.printStackTrace();
        }

    }

}

输出量

title : Google

link : http://www.google.com.my/imghp?hl=en&tab=wi
text : Images

link : http://maps.google.com.my/maps?hl=en&tab=wl
text : Maps

//omitted for readability

注意
建议在Jsoup中指定一个“ userAgent ”，以避免HTTP 403错误消息。

Document doc = Jsoup.connect("http://anyurl.com")
	.userAgent("Mozilla")
	.get();

2.抓取所有图像

第二个示例向您展示如何使用Jsoup regex选择器从“ yahoo.com”获取所有图像文件（png，jpg，gif）。

HTMLParserExample2.java

package com.mkyong;

package com.mkyong;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.IOException;

public class HTMLParserExample2 {

    public static void main(String[] args) {

        Document doc;
        try {

            //get all images
            doc = Jsoup.connect("http://yahoo.com").get();
            Elements images = doc.select("img[src~=(?i)\\.(png|jpe?g|gif)]");
            for (Element image : images) {

                System.out.println("\nsrc : " + image.attr("src"));
                System.out.println("height : " + image.attr("height"));
                System.out.println("width : " + image.attr("width"));
                System.out.println("alt : " + image.attr("alt"));

            }

        } catch (IOException e) {
            e.printStackTrace();
        }

    }

}

输出量

src : http://l.yimg.com/a/i/mntl/ww/events/p.gif
height : 50
width : 202
alt : Yahoo!

src : http://l.yimg.com/a/i/ww/met/intl_flag_icons/20111011/my_flag.gif
height : 
width : 
alt :

//omitted for readability

3.获取元元素

最后一个示例模拟一个脱机HTML页面，并使用jsoup解析内容。 它获取“ meta ”关键字和描述，以及ID为“ color”的div元素。

HTMLParserExample3.java

package com.mkyong;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

public class HTMLParserExample3 {

    public static void main(String[] args) {

        StringBuffer html = new StringBuffer();

        html.append("");
        html.append("");
        html.append("");
        html.append("");
        html.append("");
        html.append("");
        html.append("");
        html.append("");
        html.append("");
        html.append("
This is red
 />");
        html.append("");
        html.append("");

        Document doc = Jsoup.parse(html.toString());

        //get meta description content
        String description = doc.select("meta[name=description]").get(0).attr("content");
        System.out.println("Meta description : " + description);

        //get meta keyword content
        String keywords = doc.select("meta[name=keywords]").first().attr("content");
        System.out.println("Meta keyword : " + keywords);

        String color1 = doc.getElementById("color").text();
        String color2 = doc.select("div#color").get(0).text();

        System.out.println(color1);
        System.out.println(color2);

    }

}

输出量

Meta description : The latest entertainment news
Meta keyword : hollywood gossip, hollywood news
This is red
This is red

4.抢形式输入

此代码段向您展示了如何使用Jsoup来获取HTML表单输入（名称和值）。 有关详细用法，请参阅使用Java自动登录网站的信息 。

public void getFormParams(String html){
  
	Document doc = Jsoup.parse(html);
 
	//HTML form id
	Element loginform = doc.getElementById("your_form_id");

	Elements inputElements = loginform.getElementsByTag("input");

	List paramList = new ArrayList();
	for (Element inputElement : inputElements) {
		String key = inputElement.attr("name");
		String value = inputElement.attr("value");
	}
 
}

5.获取收藏夹图标

此代码显示了如何使用Jsoup来显示页面的收藏夹图标。

jSoupExample.java

package com.mkyong;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class jSoupExample {

    public static void main(String[] args) {

	StringBuffer html = new StringBuffer();

	html.append("");
	html.append("");
	html.append("");		
	//html.append("");
	html.append("");
	html.append("");
	html.append("something");
	html.append("");
	html.append("");

	Document doc = Jsoup.parse(html.toString());

	String fav = "";
			
	Element element = doc.head().select("link[href~=.*\\.(ico|png)]").first();
	if(element==null){
			
		element = doc.head().select("meta[itemprop=image]").first();
		if(element!=null){
			fav = element.attr("content");
		}
	}else{
		fav = element.attr("href");
	}
	System.out.println(fav);
  }

}

输出量

http://example.com/image.ico

参考文献

• http://jsoup.org/
• jsoup选择器示例
• jsoup获取页面元内容

标签： hello world html解析器 jsoup 解析器

翻译自: https://mkyong.com/java/jsoup-html-parser-hello-world-examples/