Jsoup 快速入门

Jsoup快速入门

概念

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。

步骤

导入jar包
获取Document对象
获取对应的Element对象
获取数据

public class JsoupDemo1 {
    public static void main(String[] args) throws IOException {
        //1.获取document对象，根据xml文档获取
//        1.1获取student.xml的path
        String path = JsoupDemo1.class.getClassLoader().getResource("student.xml").getPath();
//        1.2解析xml文档，加载文档进内存，获取dom树
        Document document = Jsoup.parse(new File(path),"utf-8");
//        2 获取元素对象
        Elements elements = document.getElementsByTag("name");
//        2.1 获取第一个name的Element对象
        Element element = elements.get(0);
//        2.2获取数据
        String name = element.text();
        System.out.println(name);
    }
}

对象的使用
- Jsoup：工具类，可以解析html或xml文档，返回Document对象
  - parse方法：解析html或xml文档，返回Document对象
    - parse（File in ，String charsetName）：解析xml或html文件的
    - parse（String html）：解析xml或html字符串
    - parse（URL url，int timeoutMillis）：通过网络路径获取指定的html或xml文档对象
- Document：文档对象。代表内存中的dom树
  - 获取Element对象
    - getElementsByid（String id）：根据id属性值获取唯一的element对象
    - getElementsByTag（String tagName）：根据标签名获取元素对象集合
    - getElementsByAttribute（String key）：根据属性名称获取元素对象集合
    - getElementsByTAttributeValue（String key，String value）：根据对应的属性名和属性值获取元素对象集合
- Elements：元素Element对象的集合。可以当做ArrayList来使用
  - 获取子元素对象
    - getElementsByid（String id）：根据id属性值获取唯一的element对象
    - getElementsByTag（String tagName）：根据标签名获取元素对象集合
    - getElementsByAttribute（String key）：根据属性名称获取元素对象集合
    - getElementsByTAttributeValue（String key，String value）：根据对应的属性名和属性值获取元素对象集合
  - 获取属性值
    - String attr（String key）：根据属性名获取属性值
  - 获取文本内容
    - String text（）：获取所有子标签的纯文本内容
    - Sting html（）：获取标签体的所有内容（包括子标签的字符串内容）
- Node：节点对象
  - 是Document和Element的父类
快捷查询方式
- selector：选择器
  - 使用的方法：Elements select（String cssQuery）
    - 语法：参考Selector类中定义的语法
- XPath：XPath即为XML路径语言，它是一种用来确定XML文档中某部分位置的语言