jsoup解析HTML_html/css_WEB-ITnose

1、从字符串中解析Dom

//Parse a document from a String static void parseDocFromString(){ String html = "     " + "  
 Parsed HTML into a doc. 
   "; //从字符串中解析dom Document doc = Jsoup.parse(html); System.out.println(doc.title()); }

使用Jsoup的parse(String html)类方法，可以从字符串中获取Document对象，然后再进行详细的解析。

2、从URL中获取Document对象

//Load a Document from a URL static void loadDocByUrl() throws IOException{ //要请求的网址 String url = "https://libecnu.lib.ecnu.edu.cn/search~S0*chx/"; //请求参数 Map  params = new HashMap  (); params.put("searcharg", "java"); params.put("searchtype", "t"); params.put("SORT", "DZ"); params.put("extended", "0"); Document doc = Jsoup.connect(url) .userAgent("Mozilla") //声明了浏览器用于 HTTP 请求的用户代理头的值 .timeout(10*1000) //超时时间 .data(params) //请求参数 .get(); //使用get方法，对应还有post() System.out.println(doc.html()); //打印获取的html源码 }

connect(String url)方法将会得到一个Connection类的实例，Connection类是HttpConnection的子类，然后调用get()方法，将会发送get请求，返回一个Document对象。类似的，我们也可以通过post()获取，主要是看我们的请求类型是get还是post。如果请求需要参数，我们可以使用Map 构造参数，然后通过data(Map params)方法设置。得到Document对象后，我们就可以对其进行解析。

3、从文件中获取Document对象

当我们本地有一个html文件时，我们可以使用parse(File in, String charsetName)方法从本地文件中获取Document对象。

//Load a Document from a File static void loadDocFromFile() throws IOException{ File inputFile = new File("input.html"); Document doc = Jsoup.parse(inputFile, "UTF-8"); System.out.println(doc.html()); //打印获取的html源码 }

最后我们在main方法中测试三种获取Document对象的方法，发现都能正常获取到Document对象。

public static void main(String[] args) throws IOException { parseDocFromString(); loadDocByUrl(); loadDocFromFile(); }

参考文章： https://liuzhichao.com/p/1490.html