java-jsoup-解析html文本

Bertha 。 2024-02-17 21:47 70阅读 0赞

java-jsoup-解析html文本  
  
  
jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。  
  
  
一、maven 依赖

<groupId>org.jsoup</groupId>
    	<artifactId>jsoup</artifactId>
    	<version>1.10.2</version>
    </dependency>

二、实例  
目标：  
1.删除html中有指定属性的dom节点  
2.将此逻辑加入 filter 中，可以对静态html、动态jsp等标准 html 输出流，进行权限控制（需要权限控制的节点需要加埋点，即：auth-code 属性）

package com.demo.preview;
    
    
    import static org.junit.Assert.*;
    
    
    import java.util.ArrayList;
    
    
    import org.jsoup.Jsoup;
    import org.jsoup.nodes.Document;
    import org.jsoup.nodes.Element;
    import org.jsoup.select.Elements;
    import org.junit.Test;
    
    
    import com.lowagie.text.List;
    
    
    import me.grass.coder.Debug;
    
    
    /** 
    *
    * @author xxj 
    */
    public class jsoupTest {
    
    
    	@Test
    	public void testHtml() {
    		StringBuffer sbf = new StringBuffer();
    		sbf.append("<!doctype html>");
    		sbf.append("<html lang=\"en\">");
    		sbf.append(" <head>");
    		sbf.append("  <meta charset=\"UTF-8\">");
    		sbf.append("  <meta name=\"Generator\" content=\"EditPlus®\">");
    		sbf.append("  <meta name=\"Author\" content=\"\">");
    		sbf.append("  <meta name=\"Keywords\" content=\"\">");
    		sbf.append("  <meta name=\"Description\" content=\"\">");
    		sbf.append("  <title>Document</title>");
    		sbf.append(" </head>");
    		sbf.append(" <body>");
    		sbf.append(" <div id=\"myDiv\"></div>");
    		sbf.append(" <div auth=\"myDiv\"></div>");
    		sbf.append(" <div auth-code=\"111\"><div id=\"\">0000</div></div>");
    		sbf.append(" <div auth-code=\"222\">bb</div>");
    		sbf.append(" <div auth-code=\"333\"><div id=\"\">5555</div></div>");
    		sbf.append(" <div auth-code=\"444\">dd</div>");
    		sbf.append(" </body>");
    		sbf.append("</html>");
    		
    		//授权码
    		ArrayList<String> auths= new ArrayList<String>();
    		auths.add("111");
    		auths.add("222");
    		
    		String html = sbf.toString();
    		Document doc = Jsoup.parse(html);
    		Elements eles=doc.select("[auth-code]");//查找有指定属性的元素
    		
    		Debug.printFormat("匹配：{0}",eles.size());
    		if(eles==null || eles.size()==0){
    			Debug.print("无内容");
    			return;
    		}
    		
    		Element e;
    		Integer n=0;
    		String authCode;
    		for(int i=0;i<eles.size();i++){	
    			e = eles.get(i);
    			Debug.printFormat("{0}.{1}"
    					,(++n)
    					,e.outerHtml());
    			authCode = e.attr("auth-code");
    			//鉴权
    			if(!hasAuth(authCode,auths))
    				e.remove();			
    		}
    		Debug.print("html内容；",doc.outerHtml());
    	}
    	/**
    	 * 鉴权
    	 * @param auth
    	 * @param auths
    	 * @return
    	 */
    	boolean hasAuth(String auth,ArrayList<String> auths){
    		if(auth==null || auth.isEmpty())
    			return false;
    		
    		return auths.contains(auth);
    	}
    }