Java利用Jsoup解析和操作HTML的技术指南
更新时间：2025年03月10日 10:31:14 作者：拾荒的小海螺
在现代 Java 开发中,处理 HTML 数据是一项常见需求,无论是抓取网页数据、解析 HTML 文档,还是操作 DOM 树,Jsoup 都是一个强大的工具,本文将介绍 Jsoup 的基本功能,并通过多个详细的代码示例展示如何使用它解析和操作 HTML,需要的朋友可以参考下
1、简述
在现代 Java 开发中，处理 HTML 数据是一项常见需求，无论是抓取网页数据、解析 HTML 文档，还是操作 DOM 树，Jsoup 都是一个强大的工具。它是一个基于 Java 的 HTML 解析库，支持从 URL、文件或字符串中解析 HTML，提供类似于 jQuery 的 API，便于选择和操作 DOM 元素。
本文将介绍 Jsoup 的基本功能，并通过多个详细的代码示例展示如何使用它解析和操作 HTML。
2、为什么选择 Jsoup？
- 简单易用：API 设计友好，功能丰富。
- 强大的选择器：支持 CSS 选择器和 DOM 遍历。
- 灵活的 HTML 操作：可以轻松修改 HTML。
- 兼容性强：支持解析 HTML5 和宽松的 HTML。
- 高效：可以从 URL 快速抓取内容。
在使用 Jsoup之前，需要添加其依赖。以下是 Jsoup 的 Maven 依赖：
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.15.4</version>
</dependency>
3、基本使用方法
Spring Boot 集成 Jsoup，以下示例将演示如何使用 Jsoup 解析 HTML 文件和操作 DOM。
3.1 从 URL 抓取网页内容
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupFromUrl {
public static void main(String[] args) {
try {
// 从 URL 抓取网页内容
Document document = Jsoup.connect("https://lsk-ww.cn").get();
// 输出网页标题
System.out.println("Title: " + document.title());
// 输出网页的第一段文字
System.out.println("First Paragraph: " + document.select("p").first().text());
} catch (Exception e) {
e.printStackTrace();
}
}
}
3.2 从字符串解析 HTML
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupFromString {
public static void main(String[] args) {
String html = "<html><head><title>Jsoup Example</title></head>" +
"<body><p>Hello, Jsoup!</p></body></html>";
// 解析 HTML 字符串
Document document = Jsoup.parse(html);
// 输出标题和段落内容
System.out.println("Title: " + document.title());
System.out.println("Body Text: " + document.body().text());
}
}
3.3 使用 CSS 选择器提取内容
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
public class JsoupCssSelector {
public static void main(String[] args) {
String html = "<html><body>" +
"<div class='content'><h1>Header</h1><p>Paragraph 1</p></div>" +
"<div class='footer'><p>Footer Paragraph</p></div>" +
"</body></html>";
// 解析 HTML
Document document = Jsoup.parse(html);
// 使用 CSS 选择器提取内容
Elements content = document.select(".content h1");
System.out.println("Header: " + content.text());
Elements footer = document.select(".footer p");
System.out.println("Footer: " + footer.text());
}
}
3.4 修改 HTML 内容
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupModifyHtml {
public static void main(String[] args) {
String html = "<html><body><p>Original Paragraph</p></body></html>";
// 解析 HTML
Document document = Jsoup.parse(html);
// 修改段落内容
document.select("p").first().text("Updated Paragraph");
// 输出修改后的 HTML
System.out.println(document.html());
}
}
3.5 提取网页中的链接和图片
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class JsoupExtractLinks {
public static void main(String[] args) {
String html = "<html><body>" +
"<a href='https://example.com'>Example</a>" +
"<img src='image.jpg' alt='Example Image'>" +
"</body></html>";
// 解析 HTML
Document document = Jsoup.parse(html);
// 提取链接
Elements links = document.select("a[href]");
for (Element link : links) {
System.out.println("Link: " + link.attr("href") + " Text: " + link.text());
}
// 提取图片
Elements images = document.select("img[src]");
for (Element image : images) {
System.out.println("Image: " + image.attr("src") + " Alt: " + image.attr("alt"));
}
}
}
3.6 处理表单数据
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupFormExample {
public static void main(String[] args) {
try {
// 提交表单
Connection.Response response = Jsoup.connect("https://example.com/login")
.data("username", "user123")
.data("password", "pass123")
.method(Connection.Method.POST)
.execute();
// 获取响应的 HTML
Document document = response.parse();
System.out.println("Response: " + document.body().text());
} catch (Exception e) {
e.printStackTrace();
}
}
}
4、使用场景
- Web 抓取：提取网页内容，如标题、段落、链接等。
- HTML 清洗：清理和格式化用户生成的 HTML。
- 表单提交：模拟用户登录或提交数据。
- DOM 操作：解析和修改 HTML 文件。
- 数据提取：从 HTML 表格中提取结构化数据。
5、总结
Jsoup 是处理 HTML 的强大工具，具备快速抓取、解析和操作 HTML 的能力，适合多种应用场景。
常见的优点：
- 使用简单，学习成本低。
- 功能强大，支持多种 HTML 操作。
- 兼容性强，能处理各种 HTML 格式。
常见的缺点：
- 仅支持单线程操作，抓取效率有限。
- 对于动态加载的网页（如 AJAX），需要结合其他工具使用。
以上就是Java利用Jsoup解析和操作HTML的技术指南的详细内容，更多关于Java Jsoup解析和操作HTML的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要为大家详细介绍了Java中一个线程执行死循环有什么后果，当一个线程在执行死循环时会影响另外一个线程吗，下面为大家揭晓2016-05-05
这篇文章主要为大家详细介绍了如何使用Java从数据库查询图书数据,并生成格式化的Word统计报告,文中的示例代码讲解详细,感兴趣的小伙伴可以参考一下2025-04-04
在Java中提供了一系列的校验方式,下面这篇文章主要给大家介绍了关于java使用Validation进行数据校验的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2023-06-06
这篇文章主要介绍了使用Redis incr解决并发问题的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-11-11
这篇文章主要介绍了java lamda表达式用法总结,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-10-10
Spring作为当前Java最流行、最强大的轻量级框架，受到了程序员的热烈欢迎。了解Spring Bean的作用域与生命周期是非常必要的，快跟随小编一起学习学习吧2022-06-06
这篇文章主要为大家详细介绍了javaWeb实现裁剪图片上传完整代码,具有一定的参考价值，感兴趣的小伙伴们可以参考一下2016-09-09
这篇文章主要介绍了springboot各种格式转pdf的实例代码,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-01-01
这篇文章主要介绍了Java多线程之Disruptor入门,文中有非常详细的代码示例,对正在学习java多线程的小伙伴们有非常好的帮助,需要的朋友可以参考下2021-04-04
这篇文章主要为大家介绍了SpingMvc复杂参数传收总结,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2023-08-08
最新评论