首页 / HTML / 使用jsoup解析HTML之jsoup和HTML DOM简介

使用jsoup解析HTML之jsoup和HTML DOM简介

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了使用jsoup解析HTML之jsoup和HTML DOM简介，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2147字，纯文字阅读大概需要4分钟。

内容图文

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。类似的解析器还有HTMLParser，使用的也比较广泛，但是HTMLParser缺少维护，发布的最后一个版本还停留在2006年(http://sourceforge.net/projects/htmlparser/files/)。

在使用jsoup解析html之前，有必要对html的dom结构进行一个了解。因为在jsoup中定义了例如Node、Element、Document等这样的类，你必须清楚这些类所代表的含义。下面是jsoup中org.jsoup.nodes这个包的类层次图：

节点（Node）

Node是最基本的，抽象的结点模型。Elements, Documents, Comments等都是 Node 的实例（或子类）.根据 DOM，HTML 文档中的每个成分都是一个节点。

DOM 是这样规定的：

  • 整个文档是一个文档节点
  • 每个 HTML 标签是一个元素节点
  • 包含在 HTML 元素中的文本是文本节点
  • 每一个 HTML 属性是一个属性节点
  • 注释属于注释节点
Node 层次

节点彼此都有等级关系。

HTML 文档中的所有节点组成了一个文档树（或节点树）。HTML 文档中的每个元素、属性、文本等都代表着树中的一个节点。树起始于文档节点，并由此继续伸出枝条，直到处于这棵树最低级别的所有文本节点为止。

        <html>
        
        <head>
        
        <title>
        DOM Tutorial
        </title>
        
        </head>
        
        <body>
        
        <h1>
        DOM Lesson one
        </h1>
        
        <p>
        Hello world!
        </p>
        
        </body>
        
        </html>

 

上面所有的节点彼此间都存在关系。

除文档节点之外的每个节点都有父节点。举例，<head> 和 <body> 的父节点是 <html> 节点，文本节点 “Hello world!” 的父节点是 <p> 节点。

大部分元素节点都有子节点。比方说，<head> 节点有一个子节点：<title> 节点。<title> 节点也有一个子节点：文本节点 “DOM Tutorial”。

当节点分享同一个父节点时，它们就是同辈（同级节点）。比方说，<h1> 和 <p>是同辈，因为它们的父节点均是 <body> 节点。

节点也可以拥有后代，后代指某个节点的所有子节点，或者这些子节点的子节点，以此类推。比方说，所有的文本节点都是 <html>节点的后代，而第一个文本节点是 <head> 节点的后代。

节点也可以拥有先辈。先辈是某个节点的父节点，或者父节点的父节点，以此类推。比方说，所有的文本节点都可把 <html> 节点作为先辈节点。

Element

一个HTML元素(Element)包含一个标记名称，属性和子节点（包括文本节点和其他元素）。从一个元素(Element)中，你可以提取数据，遍历节点图，以及操纵HTML。jsoup中的Element类提供了若干种方法来查找您希望操作的元素。

  • getAllElements()  返回所有的元素，包括元素的子元素，以及子元素的子元素
  • getElementById(String id)   根据元素的ID查找元素
  • getElementsByAttribute(String key)  根据属性名查找元素
  • getElementsByAttributeValue(String key, String value) 根据属性键值对查代元素
  • getElementsByClass(String className) 根据css的class查找元素
  • getElementsByTag(String tagName) 根据标签名称查找元素
        <div
        
        id
        =
        "imgDiv"
        
        class
        =
        "imgClass"
        >
        
        <a
        
        href
        =
        "#"
        >
        
        <img
        
        src
        =
        "http://xxxx.xx/xx.jpg"
        />
        
        </a>
        
        </div>

在上面的例子中，我们就可以使用getElementsByTag(“img”)获取到“<img src=”http://xxxx.xx/xx.jpg”/>”

同样的，可以使用getElementById(“imgDiv”)和getElementsByClass(“imgClass”)获取到整个dom文档。

原文：http://blog.csdn.net/yyt602037504/article/details/42612033

内容总结

以上是互联网集市为您收集整理的使用jsoup解析HTML之jsoup和HTML DOM简介全部内容，希望文章能够帮你解决使用jsoup解析HTML之jsoup和HTML DOM简介所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1332515.html

来源：【匿名】