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();

JSOUP紹介

記事ディレクトリ