分类:
java服务端 分布式服务架构 JavaScript生态体系 大数据与人工智能 数据库 服务器运维 全文搜索 Python 移动互联网 W3C&前端开发 项目构建管理 php 编程语言 常用软件 软件测试 综合教程

JSoup教程

JSoup是一个用于处理HTML的Java库,它提供了一个非常方便类似于使用DOM,CSS和jquery的方法的API来提取和操作数据。

jsoup实现WHATWG HTML5规范,并将HTML解析为与现代浏览器相同的DOM。

  • 从URL,文件或字符串中提取并解析HTML。

  • 查找和提取数据,使用DOM遍历或CSS选择器。

  • 操纵HTML元素,属性和文本。

  • 根据安全的白名单清理用户提交的内容,以防止XSS攻击。

  • 输出整洁的HTML。

jsoup旨在处理发现所有格式有差异的HTML; 从原始和验证,到无效的标签; jsoup将创建一个明智的解析树。

实例

获取维基百科主页,解析为DOM,并从新闻部分中选择标题列入元素列表:

Document doc = Jsoup.connect("http://en.wikipedia.org/").get();
Elements newsHeadlines = doc.select("#mp-itn b a");


以下是一个完整的示例,在这个示例中,它提取易百教程网首页的title标签中的字符串符。

import java.io.IOException;  
import org.jsoup.Jsoup;  
import org.jsoup.nodes.Document;  
public class FirstJsoupExample{  
    public static void main( String[] args ) throws IOException{  
                Document doc = Jsoup.connect("http://www.656463.com").get();  
                String title = doc.title();  
                System.out.println("title is: " + title);  
    }  
}


开源

jsoup是一个根据自由MIT许可证分发的开源项目。 源代码可在GitHub获得:http://github.com/jhy/jsoup/ 。

发展和支持

如果您有任何关于如何使用jsoup的问题,或有未来发展的想法,请通过邮件列表联系( http://jsoup.org/discussion )。

如果您发现任何问题,请在检查重复之后提交错误。