記事ディレクトリ
jsoupとは
jsoupは、URLアドレスとHTMLテキストコンテンツを直接解析できるJava HTMLパーサーです。非常に省力化されたAPIを提供し、DOM、CSS、およびjQueryと同様の操作メソッドを通じてデータを取得および操作できます。
jsoupの役割
jsoupの主な機能は次のとおりです。
- URL、ファイル、または文字列からHTMLを解析します。
- DOMまたはCSSセレクターを使用して、データを検索および取得します。
- 操作可能なHTML要素、属性、およびテキスト。
jsoupの使い方
依存関係を導入する
<!--Jsoup-->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.10.3</version>
</dependency>
domを使用してドキュメントをトラバースします
要素の取得
- idに応じて要素getElementByIdをクエリします
- タグgetElementsByTagによって要素を取得します
- クラスgetElementsByClassに従って要素を取得します
- 属性getElementsByAttributeによる要素の取得
// 解析url地址
Document document = Jsoup.parse(new URL("http://www.baidu.com/"), 1000);
//1. 根据id查询元素getElementById
Element element = document.getElementById("city_bj");
//2. 根据标签获取元素getElementsByTag
element = document.getElementsByTag("title").first();
//3. 根据class获取元素getElementsByClass
element = document.getElementsByClass("s_name").last();
//4. 根据属性获取元素getElementsByAttribute
element = document.getElementsByAttribute("abc").first();
element = document.getElementsByAttributeValue("class", "city_con").first();
要素からデータを取得する
- 要素からIDを取得
- 要素からclassNameを取得します
- 要素attrから属性の値を取得します
- 要素からすべての属性を取得する
- 要素からテキストコンテンツテキストを取得する
//获取元素
Element element = document.getElementById("test");
//1. 从元素中获取id
String str = element.id();
//2. 从元素中获取className
str = element.className();
//3. 从元素中获取属性的值attr
str = element.attr("id");
//4. 从元素中获取所有属性attributes
str = element.attributes().toString();
//5. 从元素中获取文本内容text
str = element.text();
セレクター構文を使用して要素を検索する
jsoup要素オブジェクトは、CSS(またはjquery)と同様のセレクター構文をサポートし、非常に強力で柔軟な検索機能を実現します。この選択メソッドは、Document、Element、またはElementsオブジェクトで使用できます。また、状況依存であるため、指定された要素のフィルタリングやチェーン選択アクセスを実現できます。
Selectメソッドは、要素のコレクションを返し、結果を抽出して処理するための一連のメソッドを提供します。
セレクターの概要
tagname:通过标签查找元素,比如:span
#id: 通过ID查找元素,比如:#city_bj
.class: 通过class名称查找元素,比如:.class_a
[attribute]:利用属性查找元素,比如:[abc]
[attr=value]:利用属性值来查找元素,比如:[class=s_name]
//tagname: 通过标签查找元素,比如:span
Elements span = document.select("span");
for (Element element : span) {
System.out.println(element.text());
}
//#id: 通过ID查找元素,比如:#city_bjj
String str = document.select("#city_bj").text();
//.class: 通过class名称查找元素,比如:.class_a
str = document.select(".class_a").text();
//[attribute]: 利用属性查找元素,比如:[abc]
str = document.select("[abc]").text();
//[attr=value]: 利用属性值来查找元素,比如:[class=s_name]
str = document.select("[class=s_name]").text();
セレクターセレクター併用
el#id: 元素+ID,比如: h3#city_bj
el.class: 元素+class,比如: li.class_a
el.class.class: 查找有多个class的元素
el[attr]: 元素+属性名,比如: span[abc]
任意组合: 比如:span[abc].s_name
ancestor child: 查找某个元素下子元素,比如:.city_con li 查找"city_con"下的所有li
parent > child: 查找某个父元素下的直接子元素,比如:
.city_con > ul > li 查找city_con第一级(直接子元素)的ul,再找所有ul下的第一级li
parent > *: 查找某个父元素下所有直接子元素
//el#id: 元素+ID,比如: h3#city_bj
String str = document.select("h3#city_bj").text();
//el.class: 元素+class,比如: li.class_a
str = document.select("li.class_a").text();
//el[attr]: 元素+属性名,比如: span[abc]
str = document.select("span[abc]").text();
//任意组合,比如:span[abc].s_name
str = document.select("span[abc].s_name").text();
//ancestor child: 查找某个元素下子元素,比如:.city_con li 查找"city_con"下的所有li
str = document.select(".city_con li").text();
//parent > child: 查找某个父元素下的直接子元素,
//比如:.city_con > ul > li 查找city_con第一级(直接子元素)的ul,再找所有ul下的第一级li
str = document.select(".city_con > ul > li").text();
//parent > * 查找某个父元素下所有直接子元素.city_con > *
str = document.select(".city_con > *").text();