转载：http://www.javacui.com/opensource/464.html
Jsoup加载HTML的三种方式，上一篇说的只是一种方式，直接从HTTP源网站获取。
从字符串解析
来自用户输入，一个文件或一个网站的HTML字符串，你可能需要对它进行解析并取其内容，或校验其格式是否完整，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，就能返回一个结构合理的文档，其中包含(至少) 一个head和一个body元素。
一旦拥有了一个Document，你就可以使用Document中适当的方法或它父类 Element和Node中的方法来取得相关数据。
实用示例：
|
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;/** * 从字符串解析HTML * @author java小强 */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");// 根据标签获取 Element e = elements.get(0);// 因为我知道只有一个p System.out.println(e.text()); // 打印 from www.javacui.com } catch (Exception e) { e.printStackTrace(); } }} |
从本地文件加载
在本机硬盘上有一个HTML文件，需要对它进行解析从中抽取数据或进行修改。本示例HTML文件内容和上面示例字符串内容一致。
|
1
2
|
File input = new File("D:\\javacui.html");Document doc = Jsoup.parse(input, "UTF-8"); |
这个方法用来加载和解析一个HTML文件。如在加载文件的时候发生错误，将抛出IOException，应作适当处理。
实用示例：
|
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;/** * 从本地文件解析HTML * @author java小强 */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");// 根据标签获取 Element e = elements.get(0);// 因为我知道只有一个p System.out.println(e.text()); // 打印 from www.javacui.com } catch (Exception e) { e.printStackTrace(); } }} |
来自网络
你需要从一个网站获取和解析一个HTML文档，并查找其中的相关数据。
|
1
2
|
String title = doc.title(); |
connect(String url) 方法创建一个新的 Connection, 和 get() 取得和解析一个HTML文件。如果从该URL获取HTML时发生错误，便会抛出 IOException，应适当处理。
Connection 接口还提供一个方法链来解决特殊请求，具体如下：
|
1
2
3
4
5
6
|
.data("query", "Java") .userAgent("Mozilla") .cookie("auth", "token") .timeout(3000) .post(); |
这个方法只支持Web URLs (http和https 协议)。
使用代码参考：http://www.javacui.com/opensource/463.html
参考官网：https://jsoup.org/