轉載：http://www.javacui.com/opensource/464.html
Jsoup加載HTML的三種方式，上一篇說的只是一種方式，直接從HTTP源網站獲取。
從字符串解析
來自用戶輸入，一個文件或一個網站的HTML字符串，你可能需要對它進行解析並取其內容，或校驗其格式是否完整，或想修改它。
|
1
2
3
|
String html = "<html><head><title>First parse</title></head>" + "<body><p>from www.javacui.com</p></body></html>";Document doc = Jsoup.parse(html); |
只要解析的不是空字符串，就能返回一個結構合理的文檔，其中包含(至少) 一個head和一個body元素。
一旦擁有了一個Document，你就可以使用Document中適當的方法或它父類 Element和Node中的方法來取得相關數據。
實用示例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
package com.cui.test;import org.jsoup.Jsoup;import org.jsoup.nodes.Document;import org.jsoup.nodes.Element;import org.jsoup.select.Elements;/** * 從字符串解析HTML * @author java小強 */public class StringHtmlSpider { public static void main(String[] args) { try { String html = "<html><head><title>First parse</title></head>" + "<body><p>from www.javacui.com</p></body></html>"; Document doc = Jsoup.parse(html); Elements elements = doc.getElementsByTag("p");// 根據標籤獲取 Element e = elements.get(0);// 因爲我知道只有一個p System.out.println(e.text()); // 打印 from www.javacui.com } catch (Exception e) { e.printStackTrace(); } }} |
從本地文件加載
在本機硬盤上有一個HTML文件，需要對它進行解析從中抽取數據或進行修改。本示例HTML文件內容和上面示例字符串內容一致。
|
1
2
|
File input = new File("D:\\javacui.html");Document doc = Jsoup.parse(input, "UTF-8"); |
這個方法用來加載和解析一個HTML文件。如在加載文件的時候發生錯誤，將拋出IOException，應作適當處理。
實用示例：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
package com.cui.test;import java.io.File;import org.jsoup.Jsoup;import org.jsoup.nodes.Document;import org.jsoup.nodes.Element;import org.jsoup.select.Elements;/** * 從本地文件解析HTML * @author java小強 */public class LocalDiskSpider { public static void main(String[] args) { try { File input = new File("D:\\javacui.html"); Document doc = Jsoup.parse(input, "UTF-8"); Elements elements = doc.getElementsByTag("p");// 根據標籤獲取 Element e = elements.get(0);// 因爲我知道只有一個p System.out.println(e.text()); // 打印 from www.javacui.com } catch (Exception e) { e.printStackTrace(); } }} |
來自網絡
你需要從一個網站獲取和解析一個HTML文檔，並查找其中的相關數據。
|
1
2
|
String title = doc.title(); |
connect(String url) 方法創建一個新的 Connection, 和 get() 取得和解析一個HTML文件。如果從該URL獲取HTML時發生錯誤，便會拋出 IOException，應適當處理。
Connection 接口還提供一個方法鏈來解決特殊請求，具體如下：
|
1
2
3
4
5
6
|
.data("query", "Java") .userAgent("Mozilla") .cookie("auth", "token") .timeout(3000) .post(); |
這個方法只支持Web URLs (http和https 協議)。
使用代碼參考：http://www.javacui.com/opensource/463.html
參考官網：https://jsoup.org/