Jsoup的简单使用

分手后的思念是犯贱 2022-08-18 11:46 196阅读 0赞

在android上，我们有时候需要获取网站上面的信息，所以就需要解析html文件啦，解析方法可以用Jsoup来完成，方法很简单，总的来说，这个类就之后如下几个很有用的方法：

1.加载指定网站的方法块，返回的是保存了这个网站的所有源代码的Document封装类

Document doc = null;
    		try {
    			doc = Jsoup.connect("http://news.csdn.net/").get();
    		} catch (IOException e) {
    			// TODO Auto-generated catch block
    			e.printStackTrace();
    		}

Elements elements = doc.getElementsByClass("unit");

获取Elements的第一种方法，从整个Document获取指定class（也就是标签中的class属性）的标签块。

doc.getElementsByTag("")

获取Elements的第二种方法，获取整个Document中指定的标签的标签块。

4.另外，通过Element对象也有上面所说的两种方法获取。

elements.size()

获取Elements中所有元素的个数

Element element = elements.get(i);

获取Elements中某个指定的元素，也就是Element

element.getElementsByTag("a").attr("href")

获取指定标签中的指定属性里面的内容

element..getElementsByTag("a").text()

获取指定标签中被标签包住的内容

**下面代码演示了Jsoup的基本提取信息的功能：**

需要提取的文章是：[http://news.csdn.net/][http_news.csdn.net]

网站中包含了如下想要提取的内容：

![Center][]

因为结构都是一样的，下面我贴出了一个内容：

<div class="unit">
    	<h1>
    		<a href="http://www.csdn.net/article/2015-12-15/2826474" target="_blank">如果你希望开源未来能更好，那么欢迎来帮助开源“进步”</a>
    	</h1>
    </div>

提取代码如下：

import java.io.IOException;
    
    import org.jsoup.Jsoup;
    import org.jsoup.nodes.Document;
    import org.jsoup.nodes.Element;
    import org.jsoup.select.Elements;
    
    public class JsoupTest {
    
    	public static void main(String[] args) {
    		// TODO Auto-generated method stub
    		Document doc = null;
    		try {
    			doc = Jsoup.connect("http://news.csdn.net/").get();
    		} catch (IOException e) {
    			// TODO Auto-generated catch block
    			e.printStackTrace();
    		}
    		//获取网站中所有标签中class=unit的整个标签
    		Elements elements = doc.getElementsByClass("unit");
    		Element element = null;
    		for (int i = 0; i < elements.size(); i++) {
    			//遍历elements中的所有元素
    			element = elements.get(i);
    			String href1 = element.getElementsByTag("h1").get(0).getElementsByTag("a").attr("href");
    			System.out.println(href1);
    			String title = element.getElementsByTag("h1").get(0).getElementsByTag("a").text();
    			System.out.println(title);
    		}
    	}
    
    }

[http_news.csdn.net]: http://news.csdn.net/
[Center]: /images/20220731/8ed6b4da1f494397993697bda0a6e43f.png