利用Jsoup解析HTML

http://passover.blog.51cto.com/2431658/484673

最近又要做html内容抽取，这次打算尝试一下除了用正则表达式以外的其他方式。自然第一个想到的就是HtmlParser，结果找到了以后发现最近的更新还是在06年，汗！这个时候很意外的发现了Jsoup，试用了一下感觉相当清爽，推荐一下。

如果你很有兴趣，直接去官方网站看下说明文档，地址是http://jsoup.org/cookbook/。我这里给个小例子，目的是从下文中抽取出标题，大家可以看一下他的类jQuery语法。

<div class="artHead">
<div>
<span class="artType01" style="margin-right: 5px;"><a href="javascript:void(0)">原创</a></span>
<h3 class="artTitle"><a href="/2431658/483361">JAVA程序内存溢出问题的分析</a>
<a href="http://blog.51cto.com/artcommend" target="_blank"><img src="http://blog.51cto.com/image/skin/34/indextj.gif" width="15" height="15" /></a>
</h3>
</div>

这个内容是从我博客首页上摘取的，所以直接打开这个页面进行抽取，测试代码如下：

package jsoup;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
public class ParseTest {
public static void main(String[] args) {
try {
Document doc = Jsoup.connect("http://passover.blog.51cto.com/").get();
System.out.println(doc.title());
Elements eles = doc.select("div.artHead");
System.out.println(eles.first().select("h3[class=artTitle]"));
} catch (IOException e) {
e.printStackTrace();
}
}
}

是不是特别简单？！如果网页结构化比较好的话，这么抽取真的非常方便，我试了下，效率也很不错。推荐给有相关需求的朋友，网页解析又多了一个选择，:-)

利用Jsoup解析HTML相关推荐

Android利用Jsoup解析html 开发网站客户端小记。
这些天业余时间比较多,闲来无事,想起了以前看过开发任意网站客户端的一篇文章,就是利用jsoup解析网站网页,通过标签获取想要的内容.好了废话不多说,用到的工具为 jsoup-1.7.2.jar包,具体 ...
Android开发探秘之三：利用jsoup解析HTML页面
这节主要是讲解jsoup解析HTML页面.由于在android开发过程中,不可避免的涉及到web页面的抓取,解析,展示等等,所以,在这里我主要展示下利用jsoup jar包来抓取cnbeta.com网 ...
Android 利用jsoup解析 html
原由:我在访问服务器时,回来的数据是html源文件,我需要从html源文件中获取对自己有用的信息. 一般情况下jsoup多用于JAVA方面的开发,可以利用jQuery,DOM一同使用.可以达到抓 ...
利用jsoup解析网站网页
用到的工具为 jsoup-1.7.2.jar包,具体jsoup的相关文档,请去这边看http://jsoup.org/,这里有全部Api可以查询. 首先请求网页, Document doc = Jso ...
Java爬虫之利用Jsoup自制简单的搜索引擎
Jsoup 是一款Java 的HTML解析器,可直接解析某个URL地址.HTML文本内容.它提供了一套非常省力的API,可通过DOM,CSS以及类似于jQuery的操作方法来取出和操作数据.Jso ...
Jsoup解析HTML实例及文档方法详解
转载自 Jsoup解析HTML实例及文档方法详解这篇文章主要介绍了Jsoup如何解析一个HTML文档.从文件加载文档.从URL加载Document等方法,对Jsoup常用方法做了详细讲解,最近提供 ...
java爬虫jsoup_Java爬虫之利用Jsoup自制简单的搜索引擎
内容导读在上述代码中,url为输入词条(暂时仅限于英文),进入while循环可一直搜索,当输入为'exit'时退出.contentText为该词条的百度百科简介的网页形式,通过正则表达式将其中的文字 ...
jsoup 获取html中body内容_Java 进阶利用Jsoup获取HTML页面的各分页中的标题信息...
简单介绍一下Jsoup Jsoup是一款Java 的HTML解析器,可直接解析某个URL地址.HTML文本内容.它提供了一套非常省力的API,可通过DOM,CSS以及类似于Xpath,jQuery的操 ...
jsoup html转义处理,jsoup解析网页出现转义符问题
https://www.oschina.net/question/996055_136438 *************************************** 我要解析这个网页 htt ...

利用Jsoup解析HTML

利用Jsoup解析HTML相关推荐

最新文章

热门文章