Java利用Jsoup解析和操作HTML的技術(shù)指南
更新時間：2025年03月10日 10:31:14 作者：拾荒的小海螺
在現(xiàn)代 Java 開發(fā)中,處理 HTML 數(shù)據(jù)是一項常見需求,無論是抓取網(wǎng)頁數(shù)據(jù)、解析 HTML 文檔,還是操作 DOM 樹,Jsoup 都是一個強大的工具,本文將介紹 Jsoup 的基本功能,并通過多個詳細的代碼示例展示如何使用它解析和操作 HTML,需要的朋友可以參考下
1、簡述
在現(xiàn)代 Java 開發(fā)中，處理 HTML 數(shù)據(jù)是一項常見需求，無論是抓取網(wǎng)頁數(shù)據(jù)、解析 HTML 文檔，還是操作 DOM 樹，Jsoup 都是一個強大的工具。它是一個基于 Java 的 HTML 解析庫，支持從 URL、文件或字符串中解析 HTML，提供類似于 jQuery 的 API，便于選擇和操作 DOM 元素。
本文將介紹 Jsoup 的基本功能，并通過多個詳細的代碼示例展示如何使用它解析和操作 HTML。
2、為什么選擇 Jsoup？
- 簡單易用：API 設(shè)計友好，功能豐富。
- 強大的選擇器：支持 CSS 選擇器和 DOM 遍歷。
- 靈活的 HTML 操作：可以輕松修改 HTML。
- 兼容性強：支持解析 HTML5 和寬松的 HTML。
- 高效：可以從 URL 快速抓取內(nèi)容。
在使用 Jsoup之前，需要添加其依賴。以下是 Jsoup 的 Maven 依賴：
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.15.4</version>
</dependency>
3、基本使用方法
Spring Boot 集成 Jsoup，以下示例將演示如何使用 Jsoup 解析 HTML 文件和操作 DOM。
3.1 從 URL 抓取網(wǎng)頁內(nèi)容
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupFromUrl {
public static void main(String[] args) {
try {
// 從 URL 抓取網(wǎng)頁內(nèi)容
Document document = Jsoup.connect("https://lsk-ww.cn").get();
// 輸出網(wǎng)頁標(biāo)題
System.out.println("Title: " + document.title());
// 輸出網(wǎng)頁的第一段文字
System.out.println("First Paragraph: " + document.select("p").first().text());
} catch (Exception e) {
e.printStackTrace();
}
}
}
3.2 從字符串解析 HTML
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupFromString {
public static void main(String[] args) {
String html = "<html><head><title>Jsoup Example</title></head>" +
"<body><p>Hello, Jsoup!</p></body></html>";
// 解析 HTML 字符串
Document document = Jsoup.parse(html);
// 輸出標(biāo)題和段落內(nèi)容
System.out.println("Title: " + document.title());
System.out.println("Body Text: " + document.body().text());
}
}
3.3 使用 CSS 選擇器提取內(nèi)容
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
public class JsoupCssSelector {
public static void main(String[] args) {
String html = "<html><body>" +
"<div class='content'><h1>Header</h1><p>Paragraph 1</p></div>" +
"<div class='footer'><p>Footer Paragraph</p></div>" +
"</body></html>";
// 解析 HTML
Document document = Jsoup.parse(html);
// 使用 CSS 選擇器提取內(nèi)容
Elements content = document.select(".content h1");
System.out.println("Header: " + content.text());
Elements footer = document.select(".footer p");
System.out.println("Footer: " + footer.text());
}
}
3.4 修改 HTML 內(nèi)容
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupModifyHtml {
public static void main(String[] args) {
String html = "<html><body><p>Original Paragraph</p></body></html>";
// 解析 HTML
Document document = Jsoup.parse(html);
// 修改段落內(nèi)容
document.select("p").first().text("Updated Paragraph");
// 輸出修改后的 HTML
System.out.println(document.html());
}
}
3.5 提取網(wǎng)頁中的鏈接和圖片
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class JsoupExtractLinks {
public static void main(String[] args) {
String html = "<html><body>" +
"<a +
"<img src='image.jpg' alt='Example Image'>" +
"</body></html>";
// 解析 HTML
Document document = Jsoup.parse(html);
// 提取鏈接
Elements links = document.select("a[href]");
for (Element link : links) {
System.out.println("Link: " + link.attr("href") + " Text: " + link.text());
}
// 提取圖片
Elements images = document.select("img[src]");
for (Element image : images) {
System.out.println("Image: " + image.attr("src") + " Alt: " + image.attr("alt"));
}
}
}
3.6 處理表單數(shù)據(jù)
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupFormExample {
public static void main(String[] args) {
try {
// 提交表單
Connection.Response response = Jsoup.connect("https://example.com/login")
.data("username", "user123")
.data("password", "pass123")
.method(Connection.Method.POST)
.execute();
// 獲取響應(yīng)的 HTML
Document document = response.parse();
System.out.println("Response: " + document.body().text());
} catch (Exception e) {
e.printStackTrace();
}
}
}
4、使用場景
- Web 抓?。禾崛【W(wǎng)頁內(nèi)容，如標(biāo)題、段落、鏈接等。
- HTML 清洗：清理和格式化用戶生成的 HTML。
- 表單提交：模擬用戶登錄或提交數(shù)據(jù)。
- DOM 操作：解析和修改 HTML 文件。
- 數(shù)據(jù)提?。簭?HTML 表格中提取結(jié)構(gòu)化數(shù)據(jù)。
5、總結(jié)
Jsoup 是處理 HTML 的強大工具，具備快速抓取、解析和操作 HTML 的能力，適合多種應(yīng)用場景。
常見的優(yōu)點：
- 使用簡單，學(xué)習(xí)成本低。
- 功能強大，支持多種 HTML 操作。
- 兼容性強，能處理各種 HTML 格式。
常見的缺點：
- 僅支持單線程操作，抓取效率有限。
- 對于動態(tài)加載的網(wǎng)頁（如 AJAX），需要結(jié)合其他工具使用。
以上就是Java利用Jsoup解析和操作HTML的技術(shù)指南的詳細內(nèi)容，更多關(guān)于Java Jsoup解析和操作HTML的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Java中一個線程執(zhí)行死循環(huán)有什么后果
這篇文章主要為大家詳細介紹了Java中一個線程執(zhí)行死循環(huán)有什么后果，當(dāng)一個線程在執(zhí)行死循環(huán)時會影響另外一個線程嗎，下面為大家揭曉2016-05-05
這篇文章主要為大家詳細介紹了如何使用Java從數(shù)據(jù)庫查詢圖書數(shù)據(jù),并生成格式化的Word統(tǒng)計報告,文中的示例代碼講解詳細,感興趣的小伙伴可以參考一下2025-04-04
java使用Validation進行數(shù)據(jù)校驗的方式總結(jié)
在Java中提供了一系列的校驗方式,下面這篇文章主要給大家介紹了關(guān)于java使用Validation進行數(shù)據(jù)校驗的相關(guān)資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2023-06-06
這篇文章主要介紹了使用Redis incr解決并發(fā)問題的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-11-11
這篇文章主要介紹了java lamda表達式用法總結(jié),文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-10-10
Spring作為當(dāng)前Java最流行、最強大的輕量級框架，受到了程序員的熱烈歡迎。了解Spring?Bean的作用域與生命周期是非常必要的，快跟隨小編一起學(xué)習(xí)學(xué)習(xí)吧2022-06-06
這篇文章主要為大家詳細介紹了javaWeb實現(xiàn)裁剪圖片上傳完整代碼,具有一定的參考價值，感興趣的小伙伴們可以參考一下2016-09-09
springboot各種格式轉(zhuǎn)pdf的實例代碼
這篇文章主要介紹了springboot各種格式轉(zhuǎn)pdf的實例代碼,本文通過實例代碼給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-01-01
這篇文章主要介紹了Java多線程之Disruptor入門,文中有非常詳細的代碼示例,對正在學(xué)習(xí)java多線程的小伙伴們有非常好的幫助,需要的朋友可以參考下2021-04-04
SpingMvc復(fù)雜參數(shù)傳收總結(jié)
這篇文章主要為大家介紹了SpingMvc復(fù)雜參數(shù)傳收總結(jié),有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-08-08