💝💝💝欢迎来到我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。
- 推荐:kwan 的首页,持续学习,不断总结,共同进步,活到老学到老
- 导航
- 檀越剑指大厂系列:全面总结 java 核心技术点,如集合,jvm,并发编程 redis,kafka,Spring,微服务,Netty 等
- 常用开发工具系列:罗列常用的开发工具,如 IDEA,Mac,Alfred,electerm,Git,typora,apifox 等
- 数据库系列:详细总结了常用数据库 mysql 技术点,以及工作中遇到的 mysql 问题等
- 懒人运维系列:总结好用的命令,解放双手不香吗?能用一个命令完成绝不用两个操作
- 数据结构与算法系列:总结数据结构和算法,不同类型针对性训练,提升编程思维,剑指大厂
非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨
博客目录
- 一.基础介绍
- 1.需求说明
- 2.Jsoup 简介
- 3.Jsoup 的功能
- 二.基本使用
- 1. 添加依赖
- 2. 使用 Jsoup 解析 HTML 文档
- 3.直接传入 html
- 4.直接传入 URL
一.基础介绍
1.需求说明
有许多情况下,你可能需要使用 Java 解析 HTML。以下是一些常见的情况:
-
网页数据提取: 当你需要从网页中提取特定数据时,例如爬取网页内容并提取标题、链接、表格数据等。HTML 解析是必要的,因为它使你能够以结构化的方式访问和提取所需的信息。
-
数据清理和转换: 如果你有一些包含 HTML 标记的文本数据,你可能希望将其清理并转换为纯文本或其他格式。HTML 解析器可以帮助你处理这些标记,提取文本内容。
-
Web 抓取和爬虫: 在开发 Web 爬虫或抓取工具时,HTML 解析是关键的。你需要解析从网页获取的 HTML 内容,从中提取有用的信息,并进行进一步的处理和存储。
-
数据分析: 在进行 Web 数据分析时,你可能需要解析和处理大量的 HTML 数据。这可能涉及从多个网页中提取数据,进行统计分析或生成报告。
-
屏幕抓取和自动化: 在自动化测试或屏幕抓取的情境中,你可能需要解析 HTML 来检查页面上的元素、属性或文本。
-
Web 应用程序开发: 在开发 Web 应用程序时,可能需要从 HTML 表单中提取用户输入,处理提交的数据,或者在服务器端生成动态的 HTML 内容。
在这些情况下,使用 Java 中的 HTML 解析库(如 Jsoup)可以使你更方便地处理和操作 HTML 文档,从而实现你的需求。
2.Jsoup 简介
这个包是 Jsoup,是一个用于解析 HTML 文档的 Java 库。它提供了一种方便的方式来从 HTML 中提取和操作数据。
3.Jsoup 的功能
下面是一些 Jsoup 的主要功能以及一个简单的使用示例:
-
HTML 解析: Jsoup 能够解析 HTML 文档,构建一个 Document 对象,便于进一步操作。
-
元素选择器: 提供类似于 CSS 选择器的语法,方便选择 HTML 文档中的特定元素。
-
DOM 操作: 允许你在 HTML 文档中添加、修改或删除元素。
-
属性获取: 能够获取 HTML 元素的属性值。
-
HTML 输出: 可以将 Document 对象输出为 HTML 字符串。
二.基本使用
1. 添加依赖
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.8.3</version>
</dependency>
2. 使用 Jsoup 解析 HTML 文档
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class JsoupExample {
public static void main(String[] args) {
try {
// 从URL加载HTML文档
Document document = Jsoup.connect("http://example.com").get();
// 通过CSS选择器选择所有h1元素
Elements headings = document.select("h1");
// 输出所有h1元素的文本内容
for (Element heading : headings) {
System.out.println("Heading: " + heading.text());
}
} catch (Exception e) {
e.printStackTrace();
}
}
}
上述示例演示了从 URL 加载 HTML 文档,使用 CSS 选择器选择所有 h1 元素,并输出它们的文本内容。你可以根据具体需求进一步操作文档的元素,进行数据提取或修改。请注意,需要处理异常,因为 Jsoup 的方法可能会抛出 IOException 等异常。
3.直接传入 html
@SpringBootTest
@AutoConfigureMockMvc
public class HtmlTest {
@Test
public void testHelloEndpoint() throws Exception {
// 获取html的文档对象
Document doc = Jsoup.parse("<html><body><h1>Hello, world!</h1></body></html>");
// 获取页面下id="content"的标签
Element content = doc.getElementById("answer_54474042");
// 获取页面下的a标签
Elements answersMoney = content.getElementsByClass("Answers_Money");
final String text = answersMoney.text();
System.out.println(text);
// 定义正则表达式,匹配小数部分
String regex = "\\d+\\.\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(text);
// 查找匹配的部分
if (matcher.find()) {
String result = matcher.group();
System.out.println("提取到的数字为: " + result);
} else {
System.out.println("未找到匹配的数字");
}
}
}
4.直接传入 URL
@SpringBootTest
@AutoConfigureMockMvc
public class HtmlUrlTest {
@Test
public void testHelloEndpoint() throws Exception {
// 访问 URL 并获取 HTML 内容
Document doc = Jsoup.connect("https://ask.csdn.net/questions/8058214/54474042?username=qyj19920704").get();
// 获取页面下id="content"的标签
Element content = doc.getElementById("answer_54474042");
// 获取页面下的a标签
Elements answersMoney = content.getElementsByClass("Answers_Money");
final String text = answersMoney.text();
System.out.println(text);
// 定义正则表达式,匹配小数部分
String regex = "\\d+\\.\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(text);
// 查找匹配的部分
if (matcher.find()) {
String result = matcher.group();
System.out.println("提取到的数字为: " + result);
} else {
System.out.println("未找到匹配的数字");
}
}
}
觉得有用的话点个赞
👍🏻
呗。
❤️❤️❤️本人水平有限,如有纰漏,欢迎各位大佬评论批评指正!😄😄😄💘💘💘如果觉得这篇文对你有帮助的话,也请给个点赞、收藏下吧,非常感谢!👍 👍 👍
🔥🔥🔥Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧!🌙🌙🌙