Jsoup深度解析：选择器与HTML文档处理

4星 · 超过85%的资源需积分: 10 165 浏览量更新于2024-09-16 1 收藏 67KB DOC 举报

本文将深入解析Jsoup，一种强大的Java库，用于处理HTML和XML文档。首先，我们将从基本的用法入手，了解如何通过Jsoup从不同源加载HTML文档。以下是几种常见的操作： 1. **从字符串中解析HTML**：通过`Jsoup.parse()`方法，可以直接将HTML字符串转换为`Document`对象，如示例中所示： ```java String html = "<html>...</html>"; Document doc = Jsoup.parse(html); ``` 这里创建的是一个表示整个HTML文档的树形结构。 2. **从URL获取HTML**： `Jsoup.connect()`方法可以动态连接到Web页面并获取其内容： ```java Document doc = Jsoup.connect("http://www.oschina.net/").get(); String title = doc.title(); // 获取页面标题 ``` 同时，还可以设置请求参数、User-Agent、Cookie和超时时间以定制请求。 3. **使用POST方法**：对于POST请求，使用`.post()`方法，如： ```java .post().data("query", "Java") .userAgent("I'm jsoup") .cookie("auth", "token") .timeout(3000); ``` 4. **从本地文件读取HTML**：如果HTML在本地，可以通过`File`对象指定路径： ```java File input = new File("D:/test.html"); Document doc = Jsoup.parse(input, "UTF-8", "http://www.oschina.net/"); ``` 第三个参数是`baseURL`，用于处理文档内的相对路径，确保外部资源可以正确解析。关于`parse`方法的第三个参数，它是至关重要的。由于HTML文档可能包含相对路径引用的外部资源（如`<img>`、`<script>`或`<link>`），如果不指定`baseURL`，这些相对路径会根据当前运行环境解析，可能导致资源无法正确加载。指定`baseURL`后，Jsoup会将相对路径转换为绝对路径，确保所有引用都能指向正确的URL。接下来，我们会详细讲解Jsoup的选择器（Selectors）功能，这是其核心特性之一。选择器允许我们高效地定位和操作HTML文档中的特定元素，使得数据提取变得更加灵活和强大。这包括CSS选择器（如`doc.select("p")`）、XPath表达式（`doc.select("//div[@class='content']")`）等，它们能让开发者轻松地检索、修改和操作HTML结构。 Jsoup是一个强大且易用的工具，它结合了解析HTML的能力和可扩展的选择器系统，使得在Java中处理HTML文档变得简单。通过理解这些基础用法和选择器机制，你可以进一步探索Jsoup的更多功能，如文档遍历、节点操作、文本替换等。

JSoup 用法详解

清单 1



直接从字符串中输入 文档

开源中国社区



这里是 项目的相关文章



 !!"#$%

从 &'直接加载 文档

 !!"#!!$()))#!#%#$%

!#$%

 !!"#!!$()))#!#%

#$*+",%请求参数

#-$./%设置 &0-

#!1$+1%设置 !1

#$2333%设置连接超时时间

#$%使用 45方法访问 &'

从文件中加载 文档

6)6$ (#%

 !!

"#$+&607+()))#!#%

请大家注意最后一种 文档输入方式中的 的第三个参数，为什么

需要在这里指定一个网址呢（虽然可以不指定，如第一种方法）？因为 

文档中会有很多例如链接、图片以及所引用的外部脚本、!文件等，而第三

个名为 &'的参数的意思就是当 文档使用相对路径方式引用外部

文件时，会自动为这些 &'加上一个前缀，也就是这个 &'。

例如 9!开源软件 会被转换成 

9()))#!#!开源软件 。

下载后可阅读完整内容，剩余5页未读，立即下载

love142525

粉丝: 40
资源: 24

Jsoup深度解析：选择器与HTML文档处理

JsoupXpath

jsoup中文帮助文档

网页爬虫jsoup

jsoup jar包

jsoup中文教程

jsoup操作手册 API

jsoupAPI中文版

jsoup-1.11.3.jar

jsoup-1.8.1.jar

jsoup1.6源码及API

最新资源