SpringBoot、Java 使用 Jsoup 解析 HTML 頁面的詳細步驟

更新時間：2023年08月16日 14:24:35 作者：???ddz???

這篇文章主要介紹了SpringBoot、Java 使用 Jsoup 解析 HTML 頁面的詳細步驟,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下

使用 Jsoup 解析 HTML 頁面

在這里插入圖片描述

Jsoup 是一個用于處理 HTML 頁面的 Java 庫，它提供了簡單的 API，使得從 HTML 中提取數(shù)據(jù)變得非常容易。無論是獲取特定標簽的內容還是遍歷整個頁面的元素，Jsoup 都能輕松勝任。

首先，確保你的 Java 項目中已經(jīng)添加了 Jsoup 的依賴。你可以在 Maven 或 Gradle 中添加以下依賴：

  <dependency>
      <groupId>org.jsoup</groupId>
      <artifactId>jsoup</artifactId>
      <version>1.15.3</version>
  </dependency>

然后，你可以按照以下步驟來使用 Jsoup 解析 HTML 頁面：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

String url = "https://example.com"; // 替換為你想要解析的頁面 URL
Document document = Jsoup.connect(url).get();

Jsoup 使用類似于 CSS 選擇器的語法來選擇和定位頁面元素。以下是一些常用的選擇器示例：

Elements links = document.select("a"); // 獲取所有 <a> 標簽

Elements articles = document.select(".article"); // 獲取所有 class="article" 的元素

Element header = document.select("#header"); // 獲取 id="header" 的元素

Element.text(); // 獲取鏈接文本
Element.attr("href"); // 獲取鏈接地址
Element.val(); // 獲取連接value值

Jsoup 常用方法的作用和用法

在前面的步驟中，我們已經(jīng)簡單地介紹了一些 Jsoup 的常用方法。下面是一些常用方法的詳細說明：

Jsoup.connect(url).get() : 這個方法用于連接指定的 URL，并將頁面內容解析為一個 Document 對象。
document.select(selector) : 這個方法使用選擇器來選取符合條件的元素?？梢赃x擇標簽名、class、id 等屬性。
element.text() : 獲取元素的文本內容。
element.attr(attributeKey) : 獲取元素指定屬性的值，常用于獲取鏈接地址、圖像路徑等屬性。
element.html() : 獲取元素內部的 HTML 代碼。
element.val() ：獲取元素內的value屬性值。
element.getElementById(id) ：按ID查找元素，包括該元素或在該元素下。
element.getElementsByClass(className) ：查找具有此類的元素，包括該元素或在該元素下。不區(qū)分大小寫。
element.getElementsByAttribute(key) ：查找具有命名屬性集的元素。不區(qū)分大小寫。
element.getElementsByAttributeStarting(keyPrefix) ：查找屬性名稱以提供的前綴開頭的元素。使用數(shù)據(jù)-查找具有HTML5數(shù)據(jù)集的元素。
element.getElementsContainingOwnText(searchText); ：查找直接包含指定字符串的元素。搜索不區(qū)分大小寫。文本必須直接出現(xiàn)在元素中，而不能出現(xiàn)在其任何子體中。
element.hasText() ：判斷這個元素是否有任何文本內容（不僅僅是空白）。