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
这篇文章主要介绍了如何基于springboot-admin实现后台监控,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2020-04-04
这篇文章主要介绍了SpringBoot + vue2.0查询所用功能,本文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,需要的朋友参考下吧2023-11-11
本篇文章主要介绍了JAVA中使用JSON进行数据传递示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-01-01
这篇文章主要介绍了mybatis plus动态数据源切换及查询过程浅析,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，需要的朋友们下面随着小编来一起学习学习吧2020-12-12
在本篇文章里小编给大家整理了一篇关于java非公平锁知识点实例详解，有兴趣的朋友们可以学习参考下。2021-10-10
这篇文章主要介绍了Lombok不生效,提示java: 找不到符号的解决方案，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-07-07
本篇文章是对JSTL foEach标签刷新报错的方法进行了详细的分析介绍，需要的朋友参考下2013-05-05
在Java编程中正则表达式是一个强大的工具,用于处理字符串和进行模式匹配,这篇文章主要介绍了Java字符串与正则表达式操作的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参考下2025-09-09
通过源码分析，我们可以更深入的了解其底层原理。本文将通过Timer的源码，带大家深入了解Java Timer的使用，感兴趣的小伙伴可以了解一下2022-11-11
SpringCloud动态配置注解@RefreshScope与@Component的深度解析
在现代微服务架构中,动态配置管理是一个关键需求,本文将为大家介绍Spring Cloud中相关的注解@RefreshScope与@Component的使用,需要的小伙伴可以参考下2025-04-04
最新评论