http://www.open-open.com/jsoup/parsing-a-document.htm
测试用网页
<!doctype html>
<!-- http://jwc.yangtzeu.edu.cn/ -->
<html class="outlin colo">
<head>
<meta charset="utf-8">
<title>长江大学</title>
<link type="text/css" rel="stylesheet" href="./css/reset.css">
<link type="text/css" rel="stylesheet" href="./css/layout.css">
<link type="text/css" rel="stylesheet" href="./css/yangtze.css">
<script src="base.js"></script>
<script src="./js/nodeObject.js"></script>
<script src="./js/yangtze.js"></script>
</head>
<body>
<div id="content">
<!-- 顶部图片div -->
<div id="header-imageDiv"></div>
<!-- 顶部菜单div -->
<div id="header-menuDiv">
<div id="header-menu-table">
<div class="header-menu-cell"><a href="#" title="首页">首页</a></div>
<div class="header-menu-cell"><a href="#" title="机构设置">机构设置</a></div>
<div class="header-menu-cell"><a href="#" title="规章制度">规章制度</a></div>
<div class="header-menu-cell"><a href="#" title="教学建设">教学建设</a></div>
<div class="header-menu-cell"><a href="#" title="教务管理">教务管理</a></div>
<div class="header-menu-cell"><a href="#" title="考务管理">考务管理</a></div>
<div class="header-menu-cell"><a href="#" title="实践创新">实践创新</a></div>
<div class="header-menu-cell"><a href="#" title="质量评估">质量评估</a></div>
<div class="header-menu-cell"><a href="#" title="学务管理">学务管理</a></div>
<div class="header-menu-cell"><a href="#" title="服务指南">服务指南</a></div>
<div class="header-menu-cell"><a href="#" title="下载中心">下载中心</a></div>
</div>
</div>
<div class="space"></div>
<!-- 顶部时间div -->
<div id="header-dateDiv"></div>
<div class="space"></div>
<!-- 中间的tableDiv -->
<div id="table">
<!-- 左侧table-cell -->
<div id="table-left">
<div id="table-left-imageDiv"></div>
<div class="space"></div>
<h2 class="h2-style">高教信息<a href="#">+MORE</a></h2>
<ul class="ul-type-1">
<li style="color : red;"><img src="./images/li_bg.jpg"> <a href="#">教育部高等教育司2016年工作要点</a></li>
<li><img src="./images/li_bg.jpg"> <a href="#">湖北省教育厅高等教育处2016年工作要点</a></li>
<li><img src="./images/li_bg.jpg"> <a href="#">湖北省教育厅高等教育处2015年工作要点</a></li>
<li><img src="./images/li_bg.jpg"> <a href="#">省委高校工委 省教育厅关于印发201</a></li>
<li><img src="./images/li_bg.jpg"> <a href="#">教育部2015年工作要点</a></li>
<li><img src="./images/li_bg.jpg"> <a href="#">近两年就业率较低的本科专业名单</a></li>
</ul>
<div class="space"></div>
<h2 class="h2-style">友情链接</h2>
<div id="select-type"></div>
</div>
<div class="space"></div>
<!-- 中间table-cell -->
<div id="table-center">
<div id="table-center-topLineDiv"><span id="notice" onmouseover="switchTab(this)">教务通知</span><span id="thisweek" onmouseover="switchTab(this)">本周事务</span></div>
<ul id="notice-ul">
<li>关于组织2017年(第十二届)长江大学大学生化学实验<span>2017-03-30</span></li>
<li>关于核查文科相关学院2013级毕业班学生成绩的通知<span>2017-03-30</span></li>
<li>关于组织申报第二批校级双语教学示范课程的通知<span>2017-03-30</span></li>
<li>查看更多...</li>
</ul>
<ul id="thisweek-ul">
<li>2016～2017学年第二学期6～7月份主要教学工作安排<span>2017-03-30</span></li>
<li>2016～2017学年第二学期5月份主要教学工作安排<span>2017-03-30</span></li>
<li>2016～2017学年第二学期4月份主要教学工作安排<span>2017-03-30</span></li>
<li>2016～2017学年第二学期3月份主要教学工作安排<span>2017-03-30</span></li>
<li>查看更多...</li>
</ul>
<div class="chooseTab"><span>教务通知</span><span>本周事务</span></div>
</div>
<!-- 右侧table-cell -->
<div id="table-right">
</div>
</div>
<div class="space"></div>
<!-- 底部的menuDiv -->
<div id="bottom-menuDiv"></div>
<div class="space"></div>
</div>
<!-- 最底部的div -->
<div id="footer"></div>
<script>
setup();
switchTab(elementById("notice"));
addEventss();
</script>
</body>
</html>
Java代码
import java.io.File;
import java.util.ArrayList;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class App {
public static void main(String args[]) {
try {
File input = new File("/Users/YouXianMing/Documents/Project/HTML Project/yangtze/yangtze.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://yangtze.com/");
// 根据元素id获取元素
{
Element content = doc.getElementById("content");
System.out.println(content);
}
// 根据CSS的class名获取元素数组
{
ArrayList<Element> list = doc.getElementsByClass("space");
for (Element element : list) {
System.out.println(element + "\n");
}
}
// 根据标签获取元素数组
{
ArrayList<Element> list = doc.getElementsByTag("div");
for (Element element : list) {
System.out.println(element + "\n");
}
}
// 根据元素中含有的属性值获取元素数组
{
ArrayList<Element> list = doc.getElementsByAttribute("href");
for (Element element : list) {
System.out.println(element + "\n");
}
}
// 根据元素中含有的属性值获取元素数组
{
Element content = doc.getElementById("header-menu-table");
// 元素的父元素
System.out.println(content.parent());
// 元素的所有子元素
System.out.println(content.children());
// 与该元素平级的第一个兄弟元素
System.out.println(content.child(0).firstElementSibling());
// 与该元素平级的最后一个兄弟元素
System.out.println(content.child(0).lastElementSibling());
// 该元素的前一个兄弟元素
System.out.println(content.child(1).previousElementSibling());
// 该元素的下一个兄弟元素
System.out.println(content.child(0).nextElementSibling());
}
// 一个元素中的数据
{
Element content = doc.getElementsByClass("ul-type-1").first().child(0);
// 获取文本内容
System.out.println(content.text());
// 获取tag名字
System.out.println(content.tagName());
// 获取tag对象
System.out.println(content.tag());
// 获取属性字典
System.out.println(content.attributes());
// 获取当前内容当中的html内容
System.out.println(content.html());
// 获取外部的html内容
System.out.println(content.outerHtml());
// 获取属性style的值
System.out.println(content.attr("style"));
}
// 使用选择器语法来查找元素
{
Elements elements = null;
// 通过标签查找元素
elements = doc.select("a");
System.out.println(elements);
// 通过id查找元素
elements = doc.select("#content");
System.out.println(elements);
// 通过class查找元素
elements = doc.select(".ul-type-1");
System.out.println(elements);
// 通过属性查找元素
elements = doc.select("[href]");
System.out.println(elements);
// 通过属性前缀查找元素
elements = doc.select("[^hr]");
System.out.println(elements);
// 通过属性值来查找元素
elements = doc.select("[id=notice]");
System.out.println(elements);
// 匹配属性值开头
elements = doc.select("[onmouseover^=swit]");
System.out.println(elements);
// 匹配属性值结尾
elements = doc.select("[onmouseover$=(this)]");
System.out.println(elements);
// 匹配包含了属性值
elements = doc.select("[onmouseover*=Tab]");
System.out.println(elements);
// 正则表达式匹配
elements = doc.select("ul[id~=^notice]");
System.out.println(elements);
}
} catch (Exception e) {
System.out.println(e);
}
}
}
注意
以下地方请自行替换,本人是从本地加载的html
以下是获取元素的几种情形
时间： 2024-10-03 19:13:49