一、jsoup是一款java的html解析器,可直接解析某個url地址,html文本內容。它提供了一套非常省力的api,可通過dom,css以及類似於jQuery的操作方法來取出和操作數據。
步驟:
1.導入jar包
2.獲取Document對象
3.獲取對應的標籤Element對象
4.獲取數據
package com.hoomsun.xml.jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
/**
* Jsoup快速入門
*/
public class JsoupDemo1 {
public static void main(String[] args) throws IOException {
// 2.獲取document對象,根據xml文檔獲取
// 2.1獲取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
// 2.2解析xml文檔,加載文檔進內存,獲取dom--->Document
Document document = Jsoup.parse(new File(path),"utf-8");
// 3.獲取元素對象element
Elements elements = document.getElementsByTag("name");
System.out.println(elements);
System.out.println(elements.size()); //2
// 3.1獲取第一個name的Element對象
Element element = elements.get(0);
System.out.println(element);
// 3.2獲取數據
String name = element.text();
System.out.println(name);
}
}
對象的使用:
1.jsoup:工具類,可以解析html或xml文檔,返回Document
2.Document:文檔對象,代表內存中的dom樹
3.Elements:元素Element對象的集合。可以當做ArrayList<Element>來使用。
4.Element:元素對象
5.Node:節點對象
jsoup拿到一個網頁的html,可以用於爬蟲。
package com.hoomsun.xml.jsoup;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import java.io.IOException;
import java.net.URL;
public class JsoupDemo2 {
public static void main(String[] args) throws IOException {
URL url = new URL("http://www.milimili.tv/anime/1/");
Document document = Jsoup.parse(url,10000);
System.out.println(document);
}
}
快捷查詢方式:
1.selector:選擇器
使用的方法:Elements select(String cssQuery)
語法:參考Selector類中定義的語法。
2.Xpath:XPath即爲XML路徑語言,它是一種用來確定XML(標準通用標記語言的子集)文檔中某部分位置的語言
使用Jsoup的Xpath需要額外導入jar包。
查詢w3cschool參考手冊。
package com.hoomsun.xml.jsoup;
import cn.wanghaomiao.xpath.exception.XpathSyntaxErrorException;
import cn.wanghaomiao.xpath.model.JXDocument;
import cn.wanghaomiao.xpath.model.JXNode;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.File;
import java.io.IOException;
import java.util.List;
/**
* Jsoup快速入門
*/
public class JsoupDemo3 {
public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
// 2.獲取document對象,根據xml文檔獲取
// 2.1獲取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
// 2.2解析xml文檔,加載文檔進內存,獲取dom--->Document
Document document = Jsoup.parse(new File(path),"utf-8");
// 3 根據document對象,創建JXDocument
JXDocument jxDocument = new JXDocument(document);
// 4. 結合xpath語法查詢
// 4.1查詢所有student標籤
List<JXNode> jxNodes = jxDocument.selN("//student");
for(JXNode jxNode:jxNodes){
System.out.println(jxNode);
}
System.out.println("-----------");
// 4.2查詢student標籤下的name標籤
List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
for(JXNode jxNode:jxNodes2){
System.out.println(jxNode);
}
System.out.println("-----------");
// 4.3查詢student標籤下帶有id屬性的name標籤
List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
for(JXNode jxNode:jxNodes3){
System.out.println(jxNode);
}
System.out.println("-----------");
// 4.4查詢student標籤下帶有id屬性的name標籤id=111的
List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id=111]");
for(JXNode jxNode:jxNodes4){
System.out.println(jxNode);
}
}
}