JSOUP 使用教程
JSOUP 使用教程
1. 什么是 Jsoup？
Jsoup 是一个用于解析和操作 HTML 文档的 Java 库。它可以帮助你：
- 提取网页中的特定信息（如标题、段落、链接等）。
- 修改 HTML 内容（添加、删除或修改节点）。
- 将 HTML 文档保存为字符串或文件。
Jsoup 的核心功能是解析 HTML 并提供类似 CSS 选择器的 API，方便用户快速定位和操作 DOM 元素。
2. 安装 Jsoup
在项目中使用 Jsoup，可以通过以下方式添加依赖：
Maven 方式
在 pom.xml 文件中添加：
<dependency>
<groupId>org.jsoupgroupId>
<artifactId>jsoupartifactId>
<version>1.15.4version>
dependency>
手动引入 JAR 包
从 Jsoup 官网 下载最新版本的 JAR 文件，将其添加到项目依赖中。
3. 基本用法
3.1 解析 HTML 文档
Jsoup 可以解析本地文件、字符串或通过网络获取的 HTML 内容。
从文件加载
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupExample {
public static void main(String[] args) throws Exception {
// 从本地 HTML 文件加载文档
Document doc = Jsoup.load("example.html");
System.out.println(doc.title()); // 输出标题
}
}
从字符串解析
String htmlContent = "Test Hello World
";
Document doc = Jsoup.parse(htmlContent);
System.out.println(doc.title()); // 输出 "Test"
从 URL 加载
// 通过网络加载 HTML 内容
Document doc = Jsoup.connect("https://example.com").get();
System.out.println(doc.title());
3.2 设置超时时间
在从网络加载内容时，可以设置超时时间以避免程序长时间无响应：
Document doc = Jsoup.connect("https://example.com")
.timeout(5000) // 5秒超时
.get();
4. 查找和选择节点
Jsoup 提供了强大的节点选择功能，支持 CSS 选择器。
4.1 常用选择方法
select(String selector)：根据 CSS 选择器查找所有匹配的元素。getElementById(String id)：通过 ID 查找单个元素。getElementsByTag(String tag)：通过标签名查找所有元素。getElementsByClass(String className)：通过类名查找所有元素。
4.2 示例
Document doc = Jsoup.connect("https://example.com").get();
// 1. 查找所有的 链接
Elements links = doc.select("a");
for (Element link : links) {
System.out.println(link.attr("href")); // 输出链接地址
}
// 2. 查找所有段落（ 标签）
Elements paragraphs = doc.select("p");
for (Element p : paragraphs) {
System.out.println(p.text()); // 输出段落文本
}
// 3. 查找特定类名的元素
Elements divs = doc.getElementsByClass("container");
System.out.println(divs.size());
5. 提取和修改数据
5.1 提取文本
Element element = doc.selectFirst(".content"); // 获取第一个 .content 类的元素
String text = element.text(); // 提取纯文本
System.out.println(text);
5.2 提取属性值
// 查找所有 ![]()
标签并提取 src 属性
Elements imgs = doc.select("img");
for (Element img : imgs) {
String src = img.attr("src"); // 获取 src 属性值
System.out.println(src);
}
5.3 修改节点
// 1. 添加新内容
Element body = doc.body();
body.append("This is a new paragraph.
");
// 2. 删除元素
Elements scripts = doc.select("script");
scripts.remove(); // 删除所有