文档章节

Jsoup 解析框架

风雪满弓刀
 风雪满弓刀
发布于 2017/05/31 16:52
字数 190
阅读 54
收藏 0

jSOUP 简介

        Jsoup是一款比较好的Java版HTML解析器。可直接解析某个URL地址、HTML文本内容。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

MAVEN 依赖

<!-- 解析 html 文件 -->
<dependency>
   <groupId>org.jsoup</groupId>
   <artifactId>jsoup</artifactId>
   <version>1.10.2</version>
</dependency>

使用实例

public static  Document getDocument (String url){
    try {
       return Jsoup.connect(url).get();
    } catch (IOException e) {
       e.printStackTrace();
    }
    return null;
}

public static void main(String[] args) {
   Document document=getDocument("https://item.wuage.com/543589592257.html?psa=W26.a190.a137.1");
   System.out.println(document.select("img").first().attr("src"));
   System.out.println(document.getElementsByTag("title").first().text());
   System.out.println(document.select("meta[name='keywords']").first().attr("content"));
   System.out.println(document.select("meta[name='description']").first().attr("content"));
}

© 著作权归作者所有

共有 人打赏支持
上一篇: Jsoup 数据抽取
下一篇: Jsoup 输入汇总
风雪满弓刀
粉丝 1
博文 62
码字总数 35930
作品 0
海淀
程序员
私信 提问
Jsoup,(安卓)强大的爬虫解析工具!

介绍 Jsoup是一个用来处理html文本的java库。它提供了非常方便的API,可以通过dom,css或者类似jquery的方法来提取和操作数据。 嗯,所以他到底是干嘛的呢? 当我们访问一个网站拿到它的html代...

张士超
2018/08/21
0
0
java爬虫解析js

@黄亿华 你好,想跟你请教个问题:java爬虫js的解析有什么比较好的解决方式,我在跟踪https://login.alibaba.com的时候发现它的登录框是用js生成的,导致我很难用常规解析方式去模拟登录。P...

daniel55
2013/12/03
2.1K
5
OSChina原创:使用 jsoup 对 HTML 文档进行解析和操作

jsoup 简介 Java 程序在解析 HTML 文档时,相信大家都接触过 htmlparser 这个开源项目,我曾经在 IBM DW 上发表过两篇关于 htmlparser 的文章,分别是:从HTML中攫取你所需的信息 和扩展 HT...

红薯
2010/12/17
17.7K
38
开源中国8-2期软件推荐 jsoup — Java的HTML解析器

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。本站就是采用 jsoup 来做 HTML 处理。 示例代码: File input = new File("/tmp/input.html"); Document doc = Jso......

鉴客
2010/08/09
1K
0
由Java爬虫所想到的

爬虫,听起来似乎很高端,然而也就那么回事,有很多爬虫框架,Java实现的有crawler4j,WebCollector,webMagic,Python实现的最著名的应该是Scrapy,工作中用到,但是没用什么爬虫框架,整个...

开源中国刘德华
2016/06/02
100
0

没有更多内容

加载失败,请刷新页面

加载更多

Linux Wireshark普通用户启动使用方案

当系统安装好Wireshark后请正常启动是否可以进行正常使用,如果不行请参考下列指导 向系统添加一个用户组 sudo groupadd wireshark //如提示此组存在可跳过 将指定用户添加到这个组中 sudo...

CHONGCHEN
今天
2
0
CSS 选择器参考手册

CSS 选择器参考手册 选择器 描述 [attribute] 用于选取带有指定属性的元素。 [attribute=value] 用于选取带有指定属性和值的元素。 [attribute~=value] 用于选取属性值中包含指定词汇的元素。...

Jack088
今天
2
0
数据库篇一

数据库篇 第1章 数据库介绍 1.1 数据库概述  什么是数据库(DB:DataBase) 数据库就是存储数据的仓库,其本质是一个文件系统,数据按照特定的格式将数据存储起来,用户可以对数据库中的数据...

stars永恒
今天
4
0
Intellij IDEA中设置了jsp页面,但是在访问页面时却提示404

在Intellij IDEA中设置了spring boot的jsp页面,但是在访问时,却出现404,Not Found,经过查找资料后解决,步骤如下: 在Run/Debug Configurations面板中设置该程序的Working Directory选项...

uknow8692
昨天
4
0
day24:文档第五行增内容|每月1号压缩/etc/目录|过滤文本重复次数多的10个单词|人员分组|

1、在文本文档1.txt里第五行下面增加如下内容;两个方法; # This is a test file.# Test insert line into this file. 分析:给文档后增加内容,可以用sed 来搞定;也可以用while do done...

芬野de博客
昨天
4
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部