使用jsoup庫解析html

所以我們想從該網站獲取具體資訊。讓我們看看如何逐步執行此操作。使用 jsoup 函式庫解析 html - 1

首先我們需要獲得Document. 這是我們的 html 頁面的表示。Jsoup 有多種方法將網站變成Document. 連接到伺服器

Document document = Jsoup.connect("https://hh.ru/").get();

Jsoup 本身連接到該網站。這種方法最簡單，但只適合測試。還有更方便、更靈活的http客戶端。另請記住，無論您使用什麼 http 客戶端，都應向請求添加一個標頭，User-Agent其值例如為Chrome/81.0.4044.138. 使用此標頭，伺服器確定您從哪個裝置連線。如果沒有此標頭，伺服器會認為您是機器人並可能禁止您。 從文件;

File file = new File("hh-test.html");
Document document = Jsoup.parse(file, "UTF-8", "hh.ru");

這是獲取對象的主要方式Document。最後一個參數 "hh.ru"是基本 URI。這是從網站上存在的相對連結建立絕對連結所必需的。 從線路

String html =
                "<html>                                                                       " +
                "    <head>                                                                   " +
                "        <title href=\"hh.ru/vacancy?home\">                                  " +
                "            Работа в Москве, поиск персонала и публикация вакансий - hh.ru   " +
                "        </title>                                                             " +
                "    </head>                                                                  " +
                "    <body>                                                                   " +
                "        <div class=\"header main\">                                          " +
                "            <h1>Работа найдется для каждого</h1>                             " +
                "            <div>Поиск вакансий</div>                                        " +
                "        </div>                                                               " +
                "        <div class=\"content\">                                              " +
                "            <div>Вакансии дня</div>                                          " +
                "            <div id=\"123\">Компании дня</div>                               " +
                "            <div>Работа из дома</div>                                        " +
                "        </div>                                                               " +
                "    </body>                                                                  " +
                "</html>                                                                      ";

        Document document = Jsoup.parse(html, "hh.ru");

接下來，我將在這個 html 中示範該庫，它代表一個簡化的網站。 取得標籤 解析時的主要任務是取得所需的標籤。我們將使用方法來做到這一點select。請注意，它始終返回標籤列表。如果未找到標籤，則清單將為空。您需要傳遞一個 CSS 選擇器，透過該選擇器將搜尋標籤作為方法參數。我將更詳細地討論選擇器，因為所有工作都歸結為編寫正確的選擇器。通常我們需要組合它以使其傳回單一標籤。

Elements h1 = document.select("h1");
System.out.println(h1);

取得標籤標籤h1 輸出：


<h1>Работа найдется для каждого</h1>

Elements titleElem = document.select("head > title");

取得標籤title。此標誌>選擇title嵌套在標籤內的標籤head

Elements divs = document.select("body > div");

div取得嵌套的標籤body

Elements firstDiv = document.select("body > div:nth-child(1)");

取得div嵌套在中的第一個標籤body。透過序號檢索標籤是一種不好的方法，因為它在網站上的位置可能會改變。最好使用絕對參數來定義標籤。這些參數是屬性class和id

Elements contentElem = document.select("body > div.content");

取得一個div帶有“content”類別的標籤，嵌套在body

Elements idElem = document.select("#123");

取得id為「123」的標籤

Elements divHeader = document.select("body > div.header.main :not(h1)");

取得div帶有“header”類別和“main”類別的標籤，嵌套在中body，但沒有標籤h1 。輸出：


<div>
 Поиск вакансий
</div>

元素方法 一旦我們收到一個列表，Elements我們就可以從中提取數據。讓我提醒您，選擇器通常會搜尋一個標籤，即尺寸必須Elements為 1。

elements.size();

找到的標籤數量

elements.get(0);

從找到的標籤清單中取得第一個標籤

elements.text();

嵌入標籤中的文字

elements.attr("href");

“href”屬性值

elements.outerHtml();

標籤的字串表示如果需要快速獲取元素選擇器，請在瀏覽器中打開開發者面板（f12），右鍵單擊該元素，“查看代碼”，右鍵單擊標籤，然後“複製”複製選擇器” 。這樣的選擇器並不是最佳的，但它非常適合快速獲得結果。結論這是使用 Jsoup 函式庫的基礎知識。但這對於解析網站來說已經足夠了。為了自信地工作，您所需要做的就是在真實網站上練習編寫選擇器。ps這個函式庫是用來解決38級的大問題的使用 jsoup 函式庫解析 html - 1

留言

TO VIEW ALL COMMENTS OR TO MAKE A COMMENT,
GO TO FULL VERSION