jsoup解析html(jsoup解析html嵌套内容)

Dear 丶 2023-09-26 14:43 70阅读 0赞

### jsoup解析html嵌套内容直接贴代码吧 ###

public String getFaGuiKuTitles(String type, int page) {
              
            String href = "http://info.qd-n-tax.gov.cn/NewFaGuiKu/"+type+"/";
            String baseUrl = href + "index";
            
            int no = 0;
            String msg = "";
            
            if(page>0){
              
                baseUrl = baseUrl + "_"+page;
            }
            
            baseUrl += ".htm";
            
            int totalPage = 0;
            
            List<FaGui> list = new ArrayList<FaGui>();
            
            try {
              
                URL url = new URL(baseUrl);
                org.jsoup.nodes.Document doc = Jsoup.parse(url, 10000);
                
                org.jsoup.nodes.Element table = doc.select("table").get(0);
                org.jsoup.nodes.Element tbody = table.select("tbody").get(0);
                org.jsoup.select.Elements rows = tbody.select("tr");
                
                int len = rows.size();
                
                for (int i = 0; i < len; i++) {
              
                    org.jsoup.select.Elements cols = rows.get(i).select("td");
                    
                    FaGui fg = new FaGui();
                    fg.setTitle(cols.get(0).text());
                    fg.setDate(cols.get(1).text());
                    
                    if(cols.size()>2){
              
                        fg.setFwzh(cols.get(2).text());
                    }
                    
                    
                    org.jsoup.nodes.Element a = cols.get(0).select("a").get(0);
                    fg.setHref(a.attr("href").replaceFirst("./", href));
                    
                    list.add(fg);
                }
                
                //翻页信息
                String pager = doc.getElementsByClass("pager").get(0).html();
                int start = pager.indexOf("(")+1;
                int end = pager.indexOf(",");
                pager = pager.substring(start, end);//截取页面中的总页数
                
                if(pager.matches("\\d+")){
              
                    totalPage = Integer.parseInt(pager);
                }
                
                no = 1;
                msg = "SUCCESS";
                
                log.info("获取税收法规库标题内容", "getFaGuiKuTitles");
            } catch (MalformedURLException ex) {
              
                Logger.getLogger(LocalServiceImpl.class.getName()).log(Level.SEVERE, null, ex);
                msg = "获取税收法规库标题内容:baseUrl"+baseUrl+"不可用,ex:"+ex;
                log.error(msg, "getFaGuiKuTitles");
            } catch (IOException ex) {
              
                Logger.getLogger(LocalServiceImpl.class.getName()).log(Level.SEVERE, null, ex);
                msg = "获取税收法规库标题内容:IO异常,ex:"+ex;
                log.error(msg, "getFaGuiKuTitles");
            }        
            
            return ResultUtil.getResult(no, msg, list,totalPage,page);
        }

![jsoup解析html(jsoup解析html嵌套内容)\_jsoup解析html嵌套内容][jsoup_html_jsoup_html_jsoup_html]

除了上述的用httpclient获取页面内容外，jsoup本身也支持 字符串，链接，文档文件的解析。(只需要在工程中引用jsoup-1.3.3.jar即可)例子如下:

public void parseString() \{

String html = "<html><head><title>blog</title></head><body οnlοad='test()'><p>Parsed HTML into a doc.</p></body></html>";

Document doc = Jsoup.parse(html);

System.out.println(doc);

Elements es = doc.body().getAllElements();

System.out.println(es.attr("onload"));

System.out.println(es.select("p"));

public void parseUrl() \{

try \{

Document doc = Jsoup.connect("http://www.baidu.com/").get();

Elements hrefs = doc.select("a\[href\]");

System.out.println(hrefs);

System.out.println("------------------");

System.out.println(hrefs.select("\[href^=http\]"));

\} catch (IOException e) \{

e.printStackTrace();

public void parseFile() \{

try \{

File input = new File("input.html");

Document doc = Jsoup.parse(input, "UTF-8");

// 提取出所有的编号

Elements codes = doc.body().select("td\[title^=IA\] > a\[href^=javascript:view\]");

System.out.println(codes);

System.out.println("------------------");

System.out.println(codes.html());

\} catch (IOException e) \{

e.printStackTrace();

jsoup解析有很多种方法能得到同样的结构，就看你想用哪种思路。

有用id定位的 有用tagname获取的 有用class 获取的

常用的方法如下:

jsoup提供类似JS获取html元素：

getElementById(String id) 用id获得元素

getElementsByTag(String tag) 用标签获得元素

getElementsByClass(String className) 用class获得元素

getElementsByAttribute(String key) 用属性获得元素

同时还提供下面的方法提供获取兄弟节点：siblingElements(), firstElementSibling(), lastElementSibling();nextElementSibling(), previousElementSibling()

获得与设置元素的数据

attr(String key) 获得元素的数据 attr(String key, String value) 设置元素数据

attributes() 获得所以属性

id(), className() classNames() 获得id class得值

text()获得文本值

text(String value) 设置文本值

html() 获取html

html(String value)设置html

outerHtml() 获得内部html

data()获得数据内容

tag() 获得tag 和 tagName() 获得tagname

操作html元素：

append(String html), prepend(String html)

appendText(String text), prependText(String text)

appendElement(String tagName), prependElement(String tagName)

html(String value)

jsoup还提供了类似于JQuery方式的选择器

采用选择器来检索数据

tagname 使用标签名来定位，例如 a

ns|tag 使用命名空间的标签定位，例如 fb:name 来查找 <fb:name> 元素

\#id 使用元素 id 定位，例如 \#logo

.class 使用元素的 class 属性定位，例如 .head

\* 定位所有元素

\[attribute\] 使用元素的属性进行定位，例如 \[href\] 表示检索具有 href 属性的所有元素

\[^attr\] 使用元素的属性名前缀进行定位，例如 \[^data-\] 用来查找 HTML5 的 dataset 属性

\[attr=value\]使用属性值进行定位，例如 \[width=500\] 定位所有 width 属性值为 500 的元素

\[attr^=value\],\[attr$=value\],\[attr\*=value\] 这三个语法分别代表，属性以 value 开头、结尾以及包含

\[attr~=regex\]使用正则表达式进行属性值的过滤，例如 img\[src~=(?i)\\.(png|jpe?g)\]

以上是最基本的选择器语法，这些语法也可以组合起来使用

组合用法

el\#id 定位id值某个元素，例如 a\#logo -> <a id=logo href= … >

el.class 定位 class 为指定值的元素，例如 div.head -> <div class=head>xxxx</div>

el\[attr\] 定位所有定义了某属性的元素，例如 a\[href\]

以上三个任意组合 例如 a\[href\]\#logo 、a\[name\].outerlink

除了一些基本的语法以及这些语法进行组合外，jsoup 还支持使用表达式进行元素过滤选择

:lt(n) 例如 td:lt(3) 表示小于三列

:gt(n) div p:gt(2) 表示 div 中包含 2 个以上的 p

:eq(n) form input:eq(1) 表示只包含一个 input 的表单

:has(seletor) div:has(p) 表示包含了 p 元素的 div

:not(selector) div:not(.logo) 表示不包含 class=logo 元素的所有 div 列表

:contains(text) 包含某文本的元素，不区分大小写，例如 p:contains(oschina)

:containsOwn(text) 文本信息完全等于指定条件的过滤

:matches(regex) 使用正则表达式进行文本过滤：div:matches((?i)login)

:matchesOwn(regex) 使用正则表达式找到自身的文本

[jsoup_html_jsoup_html_jsoup_html]: https://img-blog.csdnimg.cn/img_convert/19e4c704579794dbf7ff4ca855a7db83.jpeg

jsoup解析html(jsoup解析html嵌套内容)

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 jsoup解析html(jsoup解析html嵌套内容)

相关 jsoup解析HTML DOM

相关 jsoup 解析HTML信息

相关 Jsoup解析html代码

相关利用jsoup解析html

相关 jsoup解析html 爬虫规则

相关 jsoup解析html页面

相关 Java通过Jsoup解析HTML文件

相关 Jsoup解析html

相关使用Jsoup根据Url解析HTML