Jsoup本身是隻能獲取到靜態頁面的數據,並無法獲取動態生成的內容,所以單單使用jsoup是無法獲取到js生成的內容的。我這裏使用了htmlunit來獲取網頁內容後,將網頁轉換成xml格式,再通過jsoup進行解析
1.依賴導入
一般Jsoup和HttpClient都是一起使用的,版本隨意,可以無腦選擇新版本
<dependencies>
<!--httpclient-->
<dependency>
<groupId>org.apache.httpcomponents</groupId>
<artifactId>httpclient</artifactId>
<version>4.5.2</version>
</dependency>
<!--jsoup-->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.11.3</version>
</dependency>
<!--htmlunit-->
<dependency>
<groupId>net.sourceforge.htmlunit</groupId>
<artifactId>htmlunit</artifactId>
<version>2.33</version>
</dependency>
</dependencies>
2.簡單的代碼
import com.gargoylesoftware.htmlunit.WebClient;
import com.gargoylesoftware.htmlunit.html.HtmlPage;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import java.io.*;
//使用Jsoup+Htmlunit下載動態js的內容
public class Test {
public static void main(String[] args) throws IOException {
//Htmlunit模擬的瀏覽器,設置css,js等支持及其它的一些簡單設置
WebClient browser = new WebClient();
browser.getOptions().setCssEnabled(false);
browser.getOptions().setJavaScriptEnabled(true);
browser.getOptions().setThrowExceptionOnScriptError(false);
//獲取頁面
HtmlPage htmlPage = browser.getPage("http://www.baidu.com");
//設置等待js的加載時間
browser.waitForBackgroundJavaScript(3000);
//使用xml的方式解析獲取到jsoup的document對象
Document doc = Jsoup.parse(htmlPage.asXml());
System.out.println(doc);
}
}
現在可以將獲取到的org.jsoup.nodes.Document使用Jsoup的方式進行解析了!