【JAVA】使用JSOUP讓JAVA取得網頁上的文字

時間 2019-11-16

標籤 JAVA 使用 jsoup java 取得網頁文字欄目 Java 简体版

原文原文鏈接

由於以前參加比賽擺攤的經驗，有不少人都會問關於咱們專題是怎麼讓JAVA / Android的讀到網頁上的文字，因此我這個無業遊民就來回饋你們了!!
廢話很少說，立刻來講明到底要怎麼使用JSOUP─HTML/ XML解析取得網頁上的文字!!html

關於JSOUP
它是一個別人寫好的JAVA套件，能夠解析HTML及XML，至因而爲何能作到，
由於HTML和XML有所謂的標籤java

如上圖，就是這個左右大小於括起來的東西，
它能取得指定的標籤，一直到下一個結束爲止，因此凡有標籤的網頁，JSOUP都能取得標籤包夾的資料。
因而乎，咱們能夠概括出JSOUP能做的事情有：node

取得HTML網頁的文字（標籤若重覆，則取得方法在後面有範例）
取得XML網頁的文字（由於標籤不會有重覆的狀況，解析標籤會達到最佳效果）
資料庫的資料（將取得資料庫的PHP的網頁按右鍵檢視原始碼後，會顯示成HTML語言，接下來的方法同HTML）
若要取得一些每日天氣的情報，能夠至中央氣象局的RSS，同樣使用JSOUP解析網頁上的內容
可使用在JAVA上，固然也能使用在Android上，但需作一些設定，就能將上述四點都應用至Android app
想到待補... ..
JSOUP事前工做
請先至JSOUP官網將JAR載檔下來http://jsoup.org/downloadandroid

將載下來的jar檔放到你的要使用的JAVA Project底下
（這一步能夠不作，但若是換電腦的話罐會找不到或罐子路徑錯誤）app

開啓撰寫平臺ui

點擊Java Build Path，並按下右側的添加外部JAR選擇你剛剛載的jsoup.jar檔案的路徑
（這一步若是在換電腦寫程序時，路徑會跑掉，得從新再作一次）url

加入後會長下面那個樣子，這樣就表示能夠開始使用JSOUP了.net

JSOUP簡單範例程序及說明
下面將以簡單的HTML網頁做爲範例解說：code

<html> <head> <meta http-equiv="Content-Type" content="text/html;
charset=utf-8"> <title>今天你好嗎?</title> </head> <body>xml
<table>
    <tr><td>喜</td><td>樂</td></tr>
    <tr><td>怒</td><td>哀</td></tr>
</table> </body> </html>

這是一個有表的HTML網頁，其顯示結果爲

就...。長這個樣子而已

接下來我打算解析這個網頁的標題以及表中的第二個值

JAVA代碼以下：

import java.net.URL; import org.jsoup.Jsoup; import
org.jsoup.nodes.Document; import org.jsoup.parser.Parser; import
org.jsoup.select.Elements;

public class main {

public static void main(String[] args) throws Exception {
    // TODO Auto-generated method stub
        Parsing();
}
public static void Parsing() throws Exception {
    URL url = new URL(&amp;amp;amp;amp;amp;amp;amp;quot;http://在這邊輸入你要解析的網頁網址&amp;amp;amp;amp;amp;amp;amp;quot;);

    Document xmlDoc =  Jsoup.parse(url, 3000); //使用Jsoup jar 去解析網頁
    //(要解析的文件,timeout)
    Elements title = xmlDoc.select(&amp;amp;amp;amp;amp;amp;amp;quot;title&amp;amp;amp;amp;amp;amp;amp;quot;);

//要解析的tag元素為title

Elements happy = xmlDoc.select(&amp;amp;amp;amp;amp;amp;amp;quot;td&amp;amp;amp;amp;amp;amp;amp;quot;);

//要解析的tag元素為td

System.out.println("Title is "+title.get(0).text()); //獲得title tag的內容
    System.out.println("you select mood is "+happy.get(1).text()); //獲得td tag的內容
    //注意: 因為有好多個td 我想要取得的是<td>樂</td> 是第2個td 因此填get(1)

}   }

註解已打在代碼上，值得注意的地方是在取得

在上面的關於JSOUP中有提到Android也可使用這個方式，除了將代碼改成Android代碼之外，還要在Android Project的AndroidManifest.xml中調整成如下代碼：

<uses-sdk android:minSdkVersion="7" />
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
<uses-permission android:name="android.permission.INTERNET"/>
進行改版本以及開啓網路權限

Android的代碼我就不提供了（電腦跑Android模擬器很慢+沒有Android手持裝置），就看成業本身改吧XD另外就是加入jsoup.jar檔時，能夠加在Android Project的libs資料夾底下。