篇四：Jsoup處理界面

學習地址：http://www.jb51.net/article/43485.htm

1、引入Jsoup jar包

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.8.1</version>
</dependency>

2、經過Jsoup獲取Document

　　一、爬取的page對象獲取

//import org.jsoup.nodes.Document;
Document doc = Jsoup.parse(page.getHtml().toString());

　　二、從一個URL加載一個Document

Document doc = Jsoup.connect("http://www.jb51.net/").get();
String title = doc.title();

　　三、從一個文件加載一個文檔

　　　 Jsoup.parse(File in, String charsetName, String baseUri) 方法

　　　baseUri 參數用於解決文件中URLs是相對路徑的問題。若是不須要能夠傳入一個空的字符串。

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://www.jb51.net/");

3、使用DOM操做Document

　　查找能夠疊加，即doc.getElementById(String id).getElementsByTag(String tag);

Element ele = doc.getElementById(String id);//經過節點id獲取節點
Element ele = getElementsByTag(String tag);//經過節點名獲取節點
Element ele = getElementsByClass(String className);//經過class獲取節點
Elements ele = getElementsByTag(String tag);//經過節點名獲取節點列表

4、使用選擇器select操做Document

Element ele = doc.select("div#keywordList");//經過id獲取，id惟一
Elements eles = doc.select("dic.ps-content");//經過class屬性獲取，存在多個用Elements接收
Element ele = doc.select("div.main-content").select("ul").select("li");//逐級獲取
Elements links = doc.select("a[href]"); //帶有href屬性的a元素
Elements pngs = doc.select("img[src$=.png]");//擴展名爲.png的圖片


//完整例子--獲取值
String url =ele.select("div.published").select("span.content-title").select("a").attr("href");
String publishDate =ele.select("div.published").select("span.time").text();
String browseCount = ele.select("td").get(2).text();

 

5、獲取元素數據

element.attr(String key);//獲取屬性attr(String key, String value)設置屬性
element.attributes();//獲取全部屬性
element.id();//獲取節點id
element.className();//獲取class屬性名
element.classNames();//獲取節點全部class屬性
element.text();//獲取文本內容
element.text(String value);// 設置文本內容
element.html();//獲取元素內HTML
element.html(String value);//設置元素內的HTML內容
element.outerHtml();//獲取元素外HTML內容
element.data();//獲取數據內容（例如：script和style標籤)
element.tag();//獲取標籤對象
element.tagName();//獲取標籤名