生活随笔
收集整理的這篇文章主要介紹了
jsoup的介绍使用(转)
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
jsoup文檔: http://www.open-open.com/jsoup/
原鏈接: http://www.oschina.net/question/12_14127
?
jsoup 簡介 文檔輸入
02 String html =? "<html><head><title>開源中國社區</title></head>"
03 ??+? "<body><p>這里是 jsoup 項目的相關文章</p></body></html>";
04 Document doc = Jsoup.parse(html);
07 Document doc = Jsoup.connect("http://www.oschina.net/").get();
08 String title = doc.title();
10 Document doc = Jsoup.connect("http://www.oschina.net/")
11 ??.data("query",? "Java")??? //請求參數
12 ??.userAgent("I’m jsoup")? //設置User-Agent
13 ??.cookie("auth",? "token")? //設置cookie
14 ??.timeout(3000)??????????? //設置連接超時時間
15 ??.post();????????????????? //使用POST方法訪問URL
18 File input =? new? File("D:/test.html");
19 Document doc = Jsoup.parse(input,"UTF-8","http://www.oschina.net/");
?
請大家注意最后一種 HTML 文檔輸入方式中的 parse 的第三個參數，為什么需要在這里指定一個網址呢（雖然可以不指定，如第一種方法）？因為 HTML 文檔中會有很多例如鏈接、圖片以及所引用的外部腳本、css文件等，而第三個名為 baseURL 的參數的意思就是當 HTML 文檔使用相對路徑方式引用外部文件時，jsoup 會自動為這些 URL 加上一個前綴，也就是這個 baseURL。? 例如 <a href=/project>開源軟件</a> 會被轉換成 <a href=http://www.oschina.net/project>開源軟件</a>。? 解析并提取 HTML 元素 ? 這部分涉及一個 HTML 解析器最基本的功能，但 jsoup 使用一種有別于其他開源項目的方式——選擇器，我們將在最后一部分詳細介紹 jsoup 選擇器，本節中你將看到 jsoup 是如何用最簡單的代碼實現。? 不過 jsoup 也提供了傳統的 DOM 方式的元素解析，看看下面的代碼：
1 File input =? new? File("D:/test.html");
2 Document doc = Jsoup.parse(input,? "UTF-8",? "http://www.oschina.net/");
4 Element content = doc.getElementById("content");
5 Elements links = content.getElementsByTag("a");
6 for? (Element link : links) {
7 ??String linkHref = link.attr("href");
8 ??String linkText = link.text();
你可能會覺得 jsoup 的方法似曾相識，沒錯，像 getElementById 和 getElementsByTag 方法跟 JavaScript 的方法名稱是一樣的，功能也完全一致。你可以根據節點名稱或者是 HTML 元素的 id 來獲取對應的元素或者元素列表。? 與 htmlparser 項目不同的是，jsoup 并沒有為 HTML 元素定義一個對應的類，一般一個 HTML 元素的組成部分包括：節點名、屬性和文本，jsoup 提供簡單的方法供你自己檢索這些數據，這也是 jsoup 保持瘦身的原因。? 而在元素檢索方面，jsoup 的選擇器簡直無所不能，
01 File input =? new? File("D:\test.html");
02 Document doc = Jsoup.parse(input,"UTF-8","http://www.oschina.net/");
04 Elements links = doc.select("a[href]");? // 具有 href 屬性的鏈接
05 Elements pngs = doc.select("img[src$=.png]");//所有引用png圖片的元素
08 Element masthead = doc.select("div.masthead").first();
09 // 找出定義了 class="masthead" 的元素
11 Elements resultLinks = doc.select("h3.r > a");? // direct a after h3
這是 jsoup 真正讓我折服的地方，jsoup 使用跟 jQuery 一模一樣的選擇器對元素進行檢索，以上的檢索方法如果換成是其他的 HTML 解釋器，至少都需要很多行代碼，而 jsoup 只需要一行代碼即可完成。
修改數據
1 doc.select("div.comments a").attr("rel",? "nofollow");
2 //為所有鏈接增加 rel=nofollow 屬性
4 doc.select("div.comments a").addClass("mylinkclass");
5 //為所有鏈接增加 class="mylinkclass" 屬性
7 doc.select("img").removeAttr("onclick");? //刪除所有圖片的onclick屬性
9 doc.select("input[type=text]").val("");? //清空所有文本輸入框中的文本
?
道理很簡單，你只需要利用 jsoup 的選擇器找出元素，然后就可以通過以上的方法來進行修改，除了無法修改標簽名外（可以刪除后再插入新的元素），包括元素的屬性和文本都可以修改。
HTML 文檔清理
1 String unsafe =? "<p><a href='http://www.oschina.net/' onclick='stealCookies()'>開源中國社區</a></p>";
2 String safe = Jsoup.clean(unsafe, Whitelist.basic());
4 // <p><a href="http://www.oschina.net/" rel="nofollow">開源中國社區</a></p>
?
jsoup 使用一個 Whitelist 類用來對 HTML 文檔進行過濾，該類提供幾個常用方法：
如果這五個過濾器都無法滿足你的要求呢，例如你允許用戶插入 flash 動畫，沒關系，Whitelist 提供擴展功能，例如 whitelist.addTags("embed","object","param","span","div"); 也可調用 addAttributes 為某些元素增加屬性。
jsoup 的過人之處——選擇器
以上是最基本的選擇器語法，這些語法也可以組合起來使用，下面是 jsoup 支持的組合用法：
除了一些基本的語法以及這些語法進行組合外，jsoup 還支持使用表達式進行元素過濾選擇。下面是 jsoup 支持的所有表達式一覽表：
總結
轉載于:https://www.cnblogs.com/ry123/p/3682749.html
總結
以上是生活随笔 為你收集整理的jsoup的介绍使用(转) 的全部內容，希望文章能夠幫你解決所遇到的問題。
如果覺得生活随笔 網站內容還不錯，歡迎將生活随笔 推薦給好友。
