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 15 下载量 200 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。