一、jsoup是一款java的html解析器,可直接解析某个url地址,html文本内容。它提供了一套非常省力的api,可通过dom,css以及类似于jQuery的操作方法来取出和操作数据。
步骤:
1.导入jar包
2.获取Document对象
3.获取对应的标签Element对象
4.获取数据
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快速入门
*/
public class JsoupDemo1 {
public static void main(String[] args) throws IOException {
// 2.获取document对象,根据xml文档获取
// 2.1获取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
// 2.2解析xml文档,加载文档进内存,获取dom--->Document
Document document = Jsoup.parse(new File(path),"utf-8");
// 3.获取元素对象element
Elements elements = document.getElementsByTag("name");
System.out.println(elements);
System.out.println(elements.size()); //2
// 3.1获取第一个name的Element对象
Element element = elements.get(0);
System.out.println(element);
// 3.2获取数据
String name = element.text();
System.out.println(name);
}
}
对象的使用:
1.jsoup:工具类,可以解析html或xml文档,返回Document
2.Document:文档对象,代表内存中的dom树
3.Elements:元素Element对象的集合。可以当做ArrayList<Element>来使用。
4.Element:元素对象
5.Node:节点对象
jsoup拿到一个网页的html,可以用于爬虫。
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);
}
}
快捷查询方式:
1.selector:选择器
使用的方法:Elements select(String cssQuery)
语法:参考Selector类中定义的语法。
2.Xpath:XPath即为XML路径语言,它是一种用来确定XML(标准通用标记语言的子集)文档中某部分位置的语言
使用Jsoup的Xpath需要额外导入jar包。
查询w3cschool参考手册。
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快速入门
*/
public class JsoupDemo3 {
public static void main(String[] args) throws IOException, XpathSyntaxErrorException {
// 2.获取document对象,根据xml文档获取
// 2.1获取student.xml的path
String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
// 2.2解析xml文档,加载文档进内存,获取dom--->Document
Document document = Jsoup.parse(new File(path),"utf-8");
// 3 根据document对象,创建JXDocument
JXDocument jxDocument = new JXDocument(document);
// 4. 结合xpath语法查询
// 4.1查询所有student标签
List<JXNode> jxNodes = jxDocument.selN("//student");
for(JXNode jxNode:jxNodes){
System.out.println(jxNode);
}
System.out.println("-----------");
// 4.2查询student标签下的name标签
List<JXNode> jxNodes2 = jxDocument.selN("//student/name");
for(JXNode jxNode:jxNodes2){
System.out.println(jxNode);
}
System.out.println("-----------");
// 4.3查询student标签下带有id属性的name标签
List<JXNode> jxNodes3 = jxDocument.selN("//student/name[@id]");
for(JXNode jxNode:jxNodes3){
System.out.println(jxNode);
}
System.out.println("-----------");
// 4.4查询student标签下带有id属性的name标签id=111的
List<JXNode> jxNodes4 = jxDocument.selN("//student/name[@id=111]");
for(JXNode jxNode:jxNodes4){
System.out.println(jxNode);
}
}
}