160718、jsoup-1.8.1.jar操作html
导入jsoup-1.8.1.jar
import java.io.IOException;
import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.safety.Whitelist;
import org.jsoup.select.Elements;
/**
* 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。
jsoup的主要功能如下：
1. 从一个URL，文件或字符串中解析HTML；
2. 使用DOM或CSS选择器来查找、取出数据；
3. 可操作HTML元素、属性、文本；
jsoup是基于MIT协议发布的，可放心使用于商业项目。
注意：获取到了document对象之后，可以类似于操作dom一样来操作
*
*/
public class TestJsoup {
/**
* 文档输入
* jsoup 可以从包括字符串、URL地址以及本地文件来加载HTML 文档，并生成Document 对象实例。
* 获取指定HTML 文档指定的body
* @throws IOException
*/
public static Document getBody() throws IOException{
/**方式一*/
String html = "<html><head><title>开源中国社区</title></head>"
+"<body><p>这里是jsoup 项目的相关文章</p></body></html>";
Document doc1 = Jsoup.parse(html);//直接从字符串中输入HTML 文档,有很多其他的构造方法可以使用
System.out.println(doc1);
/**方式二*/
Document doc2 = Jsoup.connect("http://www.baidu.com/more/index.html")//
.data("query", "java")//请求参数
.userAgent("Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36")//设置User-Agent
.cookie("auth", "token")//设置cookie
.timeout(3000)//设置连接超时时间
.post();//使用POST方法访问URL
System.out.println(doc2);
/**方式三*/
Document doc3 = Jsoup.connect("http://www.baidu.com").get();//直接获取doc
System.out.println(doc3);
return doc3;
}
/**
* 解析并提取HTML 元素
* 里面有很多操作document的方法，这里以通过id做例子
* @throws IOException
*/
public static Element getElement() throws IOException{
Document doc = Jsoup.connect("http://www.baidu.com").get();
Element elementById = doc.getElementById("ftConw");
System.out.println(elementById);
return elementById;
}
/**
* 改变属性，样式等等
* 可以通过jsoup提供的各种选择器操作很多东西
* @throws IOException
*/
public static void changeAttr() throws IOException{
Document doc = Jsoup.connect("http://www.baidu.com").get();
Element elementById = doc.getElementById("ftConw");
Elements select = elementById.select("a");
Element element = select.get(0);
System.out.println("before:"+element);
element.removeAttr("onmousedown");
System.out.println("after:"+element);
}
/**
* HTML 文档清理
* @throws IOException
*/
public static void cleanHtml() throws IOException{
Connection connect = Jsoup.connect("http://www.baidu.com");
Document doc = connect.get();
/**
* Whitelist.basic()：a, b, blockquote, br, cite, code, dd, dl, dt, em, i, li, ol, p, pre, q,small,strike, strong, sub, sup, u, ul;
* Whitelist.basicWithImages()：a, b, blockquote, br, cite, code, dd, dl,dt, em, i, li, ol, p, pre, q, small, strike, strong, sub, sup, u, ul、img、src;
* Whitelist.relaxed():a, b, blockquote,br, caption, cite, code, col, colgroup, dd, dl, dt, em, h1, h2, h3, h4, h5, h6,i, img, li, ol, p, pre, q, small,
strike, strong, sub, sup, table, tbody, td,tfoot, th, thead, tr, u, ul;
* Whitelist.simpleText():简单的文本属性b, em, i, strong, u
* Whitelist.none();//只保留了文本
* 如果还不能满足要求，可以使用使用addAttributes、addEnforcedAttribute、addProtocols、addTags进行添加
* 可以结合springmvc的initBinder一起使用
*/
Whitelist whitelist = Whitelist.basic();//只保留了文本
String clean = Jsoup.clean(doc.toString(), whitelist);
System.out.println(clean);
}
public static void main(String[] args) throws IOException {
//getBody();
// getElement();
// changeAttr();
cleanHtml();
}
}
160718、jsoup-1.8.1.jar操作html的更多相关文章
- poi-3.11-beta2-20140822.jar操作excel方法
poi-3.11-beta2-20140822.jar操作excel方法 根据不同类型读取值的方法: // 获取单元格内不同类型的值 public String getValueByType(HSSF ...
- jar - 操作jar包的工具
jar - Manipulates Java Archive (JAR) files. jar命令是一种通用的存档和压缩工具,基于ZIP和ZLIB压缩格式. 常用格式: * 创建jar文件 jar c ...
- 使用jxl.jar操作Excel
在工程的build path中添加jxl.jar,网址:http://www.andykhan.com/jexcelapi/ import java.io.BufferedReader; import ...
- org.jsoup.Jsoup找不到jar包问题解决思路
今天在idea中导入项目,出现了这样的问题 通过idea的自带的导包功能,却提示找不到这个东西.于是就去maven仓库搜索这个咚咚 <!-- https://mvnrepository.com/ ...
- 常见 jar包详解
常见 jar包详解 jar包 用途 axis.jar SOAP引擎包 commons-discovery-0.2.jar 用来发现.查找和实现可插入式接口,提供一些一般类实例化.单件的生命周期 ...
- Jsoup解析HTML、加载文档等实例
一.引入jsoup的jar包:http://jsoup.org/download 补充:http://jsoup.org/apidocs/ Jsoup API 可以了解更详细的内容 二.Js ...
- Jsoup简介
Jsoup简介 一.概述 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 ...
- Jsoup使用随记
这段时间工作比较空闲,在网上找资料学习的时候看到数据抓取这一块,来了兴趣 用jsoup实现数据抓取着实方便,唯一美中不足的是官方API是英文版的,对我这样英语水平不好的程序员来说着实困扰,只能一点点的 ...
- 常用jar包用途
jar包 用途 axis.jar SOAP引擎包 commons-discovery-0.2.jar 用来发现.查找和实现可插入式接口,提供一些一般类实例化.单件的生命周期管理的常用方法. jaxrp ...
随机推荐
- OpenSSL生成证书详解 如何使用OpenSSL生成自签证书 转载
原文:http://my.oschina.net/fajar/blog/425478 使用OpenSSL生成自签证书(亲测) 一,前言 读过我博客的小伙伴儿都知道,我一般在前言里面会提到为什么写这篇博 ...
- 集成讯飞听写iOS sdk到unity遇到的问题：weak成员和strong成员
在unity里集成讯飞语音听写iOS sdk的过程中,遇到一个问题,官方的demo中可以将多次onResults回调返回的结果累积拼接起来组成一个完整的结果,而我集成过来以后就不能累积了,只拿到最后一 ...
- [容器]docker创建镜像
手动创建: docker run -d -p mynginx:v2 nginx rpm -ivh http://mirrors.aliyun.com/epel/epel-release-latest- ...
- [PIC32--IDE]Microchip PIC32开发环境的搭建
问题描写叙述 PIC32是Microchip推出的32 bit MCU,其内核是MIPS架构的,MIPS也是属于RISC指令集的,好像ARM的指令集还在RISC指令集中做了一些扩充,而MIPS应当是更 ...
- iptables详细教程：基础、架构、清空规则、追加规则、应用实例(转)
iptables防火墙可以用于创建过滤(filter)与NAT规则.所有Linux发行版都能使用iptables,因此理解如何配置iptables将会帮助你更有效地管理Linux防火墙.如果你是第一次 ...
- Monotone Chain Convex Hull(单调链凸包)
Monotone Chain Convex Hull(单调链凸包)算法伪代码: //输入:一个在平面上的点集P //点集 P 按 先x后y 的递增排序 //m 表示共a[i=0...m]个点,ans为 ...
- CSS学习笔记（2）--html中checkbox和radio
checkbox复选,radio单选 <!DOCTYPE html> <html lang="en"> <head> <meta char ...
- PHPCMS v9.6.0后台getshell
思路来自于 http://www.cnbraid.com/2016/09/18/phpcms/ 这里自己复现了一下,自己写了一下 因为是后台的,还得登陆两次..所以不好用,主要是学习学习 漏洞来自于R ...
- mybatis传多个参数实例
最近在做一个统计功能,有一个功能点:根据id更新某字段的值.那么就需要有两个参数,我的做法: dao层: int updateTaskCount(int taskCount,int id); 对应的m ...
- Java Web应用服务器Resin 国内下载
在做 PHP On Jvm的测试,发现Resin很难下,速度太慢. 下载地址:http://pan.baidu.com/s/1qWyffnY