使用Jsoup解析html中的指定数据,十分方便。Jsoup工具十分强大,十分好用。但网上似乎没有很好的例子,本文的目的即在于此。建议仔细阅读代码中的几个例子,Jsoup解析数据不外乎这几种类型。
第一步:将Jsoup JAR包导入项目
第二步:使用Jsoup API
1, 定位
通过div的属性值,定位到html的div(块),即所需要内容对应的块。
示例代码如下:
<div class="content">
2, 筛选数据
a, 通过标签头,在div中继续筛选数据。可能会找到很多的数据,这里会用到循环。见eg1。
//eg1:解析百度音乐 Document doc = Jsoup.connect("http://list.mp3.baidu.com/top/singer/A.html").get();//打开链接 Element singerListDiv = doc.getElementsByAttributeValue("class", "content").first(); //这时候该html流文件存在内存中,css selector class=content 类型 Elements links = singerListDiv.getElementsByTag("a");//调用class=content 里面的 a 标签 for (Element link: links) {//使用循环 String linkHref = link.attr("href"); String linkText = link.text().trim(); System.out.println(linkHref); }
b, 通过标签名,在div中筛选数据,选中此标签内的所有数据。见eg2
//eg2:解析万年历 Document doc = Jsoup.connect("http://www.nongli.com/item4/index.asp?dt=2012-03-03").get(); Element infoTable = doc.getElementsByAttributeValue("class", "table002").first();//获得信息表数据 Elements tableLineInfos = infoTable.select("tr"); //对该信息表继续进行筛选,获得一个tr 集合 数据 for (Element lineInfo : tableLineInfos) { String lineInfoContent = lineInfo.select("td").last().text().trim(); //获得tr集合中的一个td元素 System.out.println("jsoup is :" + lineInfoContent); }
c, 限定筛选条件。如果eg5
//eg5:查找html元素 File input = new File("/tmp/input.html"); Document doc = Jsoup.parse(input, "UTF-8", "http://www.oschina.net/"); Elements links = doc.select("a[href]"); // 链接 Elements pngs = doc.select("img[src$=.png]"); // 所有 png 的图片 Element masthead = doc.select("div.masthead").first();// div with class=masthead Elements resultLinks = doc.select("h3.r > a"); // direct a after h3
NOTE: <td colspan="2" class="l3">二月15日<br>壬辰年<br>癸卯月<br>丁卯日<br></td>
此处不能直接单独获得三组数据,获得的是总的三个数据。可通过正则表达式分解
3, 获取数据
即element.text()即可获得相关数据
plus: Jsoup有灵活的语法,比如通过class-value对指定div块,可通过select(div.value)找到,更多用法请参考文档!
参考中文文档:
时间: 2024-10-09 08:10:00