jsoup 订阅
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。 展开全文
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。
信息
类    别
HTML解析器
特    点
提供了一套非常省力的API
编写语言
Java
中文名
jsoup
外文名
jsoup
jsoup内容简介
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。
收起全文
精华内容
下载资源
问答
  • Jsoup

    2017-08-31 16:17:14
    Jsoup
  • jsoup

    2019-10-08 05:35:23
    Jsoup是一个非常好的解析网页的包,用java开发的,提供了类似DOM,CSS选择器的方式来查找和提取文档中的内容。 1.下载地址 http://jsoup.org/download 中文文档资料:http://www.open-open.com/jsoup/ 比较...

    Jsoup是一个非常好的解析网页的包,用java开发的,提供了类似DOM,CSS选择器的方式来查找和提取文档中的内容。

    1.下载地址

    中文文档资料:http://www.open-open.com/jsoup/

    比较好的文档:http://www.ostools.net/apidocs/apidoc?api=jsoup-1.6.3

     

     2.maven配置实例

    <dependency>
      <!-- jsoup HTML parser library @ http://jsoup.org/ -->
      <groupId>org.jsoup</groupId>
      <artifactId>jsoup</artifactId>
      <version>1.8.3</version>
    </dependency>

     

     

    简单测试

    package com.javen.Jsoup;
    
    import java.io.IOException;
    
    import org.jsoup.Jsoup;
    import org.jsoup.nodes.Document;
    import org.jsoup.nodes.Element;
    import org.jsoup.select.Elements;
    
    public class JsoupTest {
        static String url="http://www.cnblogs.com/zyw-205520/archive/2012/12/20/2826402.html";
        /**
         * @param args
         * @throws Exception
         */
        public static void main(String[] args) throws Exception {
            
            // TODO Auto-generated method stub
            BolgBody();
            //test();
            //Blog();
            /*
             * Document doc = Jsoup.connect("http://www.oschina.net/")
             * .data("query", "Java") // 请求参数 .userAgent("I ’ m jsoup") // 设置
             * User-Agent .cookie("auth", "token") // 设置 cookie .timeout(3000) //
             * 设置连接超时时间 .post();
             */// 使用 POST 方法访问 URL
    
            /*
             * // 从文件中加载 HTML 文档 File input = new File("D:/test.html"); Document doc
             * = Jsoup.parse(input,"UTF-8","http://www.oschina.net/");
             */
        }
    
        /**
         * 获取指定HTML 文档指定的body
         * @throws IOException
         */
        private static void BolgBody() throws IOException {
            // 直接从字符串中输入 HTML 文档
            String html = "<html><head><title> 开源中国社区 </title></head>"
                    + "<body><p> 这里是 jsoup 项目的相关文章 </p></body></html>";
            Document doc = Jsoup.parse(html);
            System.out.println(doc.body());
            
            
            // 从 URL 直接加载 HTML 文档
            Document doc2 = Jsoup.connect(url).get();
            String title = doc2.body().toString();
            System.out.println(title);
        }
    
        /**
         * 获取博客上的文章标题和链接
         */
        public static void article() {
            Document doc;
            try {
                doc = Jsoup.connect("http://www.cnblogs.com/zyw-205520/").get();
                Elements ListDiv = doc.getElementsByAttributeValue("class","postTitle");
                for (Element element :ListDiv) {
                    Elements links = element.getElementsByTag("a");
                    for (Element link : links) {
                        String linkHref = link.attr("href");
                        String linkText = link.text().trim();
                        System.out.println(linkHref);
                        System.out.println(linkText);
                    }
                }
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
    
        }
        /**
         * 获取指定博客文章的内容
         */
        public static void Blog() {
            Document doc;
            try {
                doc = Jsoup.connect("http://www.cnblogs.com/zyw-205520/archive/2012/12/20/2826402.html").get();
                Elements ListDiv = doc.getElementsByAttributeValue("class","postBody");
                for (Element element :ListDiv) {
                    System.out.println(element.html());
                }
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
            
        }
    
    }

     

    转载于:https://www.cnblogs.com/hwaggLee/p/4738740.html

    展开全文
  • JSOUP

    2020-01-18 16:35:45
    很多人在看到这个词的时候会感觉到陌生,不知道这个词到底是干什么的,jsoup网页爬虫框架 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。它提供了一套很省力的API,可通过DOM,CSS以及类似...

    很多人在看到这个词的时候会感觉到陌生,不知道这个词到底是干什么的,jsoup网页爬虫框架

    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。它提供了一套很省力的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。

    jsoup主要功能

    1. 从一个URL,文件或字符串中解析HTML。

    2. 使用DOM或CSS选择器来查找、取出数据。

    3. 可操作HTML元素、属性、文本;

    jsoup是基于MIT协议公布的。

    jsoup使用方法

    File input = new File("D:\test.html");
    Document doc =Jsoup.parse(input,"UTF-8","网址");
    Elements links = doc.select("a[href]"); // 具有href 属性的链接
    Elements pngs = doc.select("img[src$=.png]");//全部引用png图片的元素
    Element masthead =doc.select("div.masthead").first();
    

    jsoup都能够做什么呢?

    1、CMS系统经常使用来做新闻的抓取(爬虫)

    2、防止XSS攻击。跨站脚本攻击(Cross Site Scripting),为不和层叠样式表
    (Cascading Style Sheets, CSS)的缩写混淆。

    2、站点的攻击、破坏(熟悉HTTP协议)

    展开全文

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 9,247
精华内容 3,698
关键字:

jsoup