Java爬蟲入門五

使用Jsoup進行html元素的解析

<!--Jsoup依賴 -->
<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.11.3</version>
        </dependency>

 導入commons包方便進行文件以及字符串的解析

<!-- https://mvnrepository.com/artifact/commons-io/commons-io -->
        <dependency>
            <groupId>commons-io</groupId>
            <artifactId>commons-io</artifactId>
            <version>2.4</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.commons/commons-lang3 -->
        <dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-lang3</artifactId>
            <version>3.9</version>
        </dependency>

 方便查找依賴maven倉庫

 代碼

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.net.URL;

/**
 * jsoup解析html
 */
public class JsoupTest1 {
    public static void main(String[] args) throws Exception {
        // 解析url
        Document doc = Jsoup.parse(new URL("http://www.itcast.cn"), 1000);
        // 解析html
        Jsoup.parse("test.html");
        // 解析文件
        Jsoup.parse(new File("test.html"), "utf8");

        // 使用標籤選擇器,獲取內容
        Element title = doc.getElementsByTag("title").first();
        System.out.println(title.text());
        // 通過id選擇器獲取內容
        Element city_bi = doc.getElementById("city_bi");
        System.out.println(city_bi.text());
        // 通過class獲取
        Element class_a = doc.getElementsByClass("class_a").first();
        System.out.println(class_a.text());
        // 通過屬性獲取
        Elements adc = doc.getElementsByAttribute("adc");
        Elements elementsByAttributeValue = doc.getElementsByAttributeValue("adc", "sh");
        System.out.println(adc.text());
    }
}

 

發佈了59 篇原創文章 · 獲贊 35 · 訪問量 1萬+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章