Jsoup系列學習(2)-解析html檔案，

Jsoup系列學習(2)-解析html檔案，
解析html檔案

1、當我們通過發送http請求時，有時候返回結果是一個html格式字串，你需要從一個網站擷取和解析一個HTML文檔，並尋找其中的相關資料。你可以使用下面解決方案：

使用 Jsoup.connect(String url)方法:

        //發送請求        Document doc = Jsoup.connect("https://www.baidu.com/").get();        //擷取id號為kw的控制項        Element content = doc.getElementById("kw");        //輸出控制項所有屬性        System.out.println(content.attributes());

輸出結果 
id="kw" name="wd" class="s_ipt" value="" maxlength="255" autocomplete="off"

頁面原始碼顯示，他其實與輸出結果是一致的，這就好比是selenium自動化架構一樣，通過 driver.findElement(By.id("kw"));找到這個控制項，然後堆空間進行各種操作。

說明

connect(String url) 方法建立一個新的 Connection, 和 get() 取得和解析一個HTML檔案。如果從該URL擷取HTML時發生錯誤，便會拋出 IOException，應適當處理。

Connection 介面還提供一個方法鏈來解決特殊請求，具體如下：

Document doc = Jsoup.connect("http://example.com")  .data("query", "Java")  .userAgent("Mozilla")  .cookie("auth", "token")  .timeout(3000)  .post();

 資料幫浦1、使用DOM方法來遍曆一個document對象

既然我們想要從html中擷取指定資料，那麼我們先得要找到該控制項，我們把它叫做Elements對象，然後才是擷取該控制項的某些值。

• 尋找元素
  • getElementById(String id)   通過id號尋找
  • getElementsByTag(String tag) 標籤名尋找
  • getElementsByClass(String className) class名尋找
  • getElementsByAttribute(String key) (and related methods)
  • Element siblings: siblingElements(), firstElementSibling(), lastElementSibling();nextElementSibling(), previousElementSibling()
  • Graph: parent(), children(), child(int index) 

元素資料

• attr(String key)擷取屬性attr(String key, String value)設定屬性
• attributes()擷取所有屬性
• id(), className() and classNames()
• text()擷取常值內容text(String value) 設定常值內容
• html()擷取元素內HTMLhtml(String value)設定元素內的HTML內容
• outerHtml()擷取元素外HTML內容
• data()擷取資料內容（例如：script和style標籤)
• tag() and tagName()

操作HTML和文本

• append(String html), prepend(String html)
• appendText(String text), prependText(String text)
• appendElement(String tagName), prependElement(String tagName)
• html(String value)

 樣本1：擷取控制項name值

1         //發送請求2         Document doc = Jsoup.connect("https://www.baidu.com/").get();3         //擷取class名為s_ipt所有element對象4         Elements element = doc.getElementsByClass("s_ipt");5         //擷取第一個element對象的name屬性值6         String value = element.get(0).attr("name");7         System.out.println(value);

 

樣本2：當沒有id或name的元素，只能通過相對路徑來進行尋找。

1         //發送請求2         Document doc = Jsoup.connect("https://www.baidu.com/").get();3         //擷取id為u1的第一個子項目4         Element element = doc.getElementById("u1").child(0);5         //擷取元素連結6         String value1 = element.attr("href");7         //擷取元素常值內容8         String value2 = element.text();

輸出結果：

http://news.baidu.com新聞

 

參考

1、jsoup學習總結：http://blog.csdn.net/u010814849/article/details/52526582

2、http://www.open-open.com/jsoup/load-document-from-url.htm

3、jsoup學習總結：http://www.cnblogs.com/tomcattd/archive/2013/01/02/2842137.html