预计阅读时间: 6 分钟
//Parse a document from a String static void parseDocFromString(){ String html = " <html> <head> <title> Parse a document from a String </title> </head> " + " <body> <p> Parsed HTML into a doc. </p> </body> </html> "; //从字符串中解析dom Document doc = Jsoup.parse(html); System.out.println(doc.title()); }
使用Jsoup的parse(String html)类方法,可以从字符串中获取Document对象,然后再进行详细的解析。
//Load a Document from a URL static void loadDocByUrl() throws IOException{ //要请求的网址 String url = "https://libecnu.lib.ecnu.edu.cn/search~S0*chx/"; //请求参数 Map <String, String> params = new HashMap <String, String> (); params.put("searcharg", "java"); params.put("searchtype", "t"); params.put("SORT", "DZ"); params.put("extended", "0"); Document doc = Jsoup.connect(url) .userAgent("Mozilla") //声明了浏览器用于 HTTP 请求的用户代理头的值 .timeout(10*1000) //超时时间 .data(params) //请求参数 .get(); //使用get方法,对应还有post() System.out.println(doc.html()); //打印获取的html源码 }
connect(String url)方法将会得到一个Connection类的实例,Connection类是HttpConnection的子类,然后调用get()方法,将会发送get请求,返回一个Document对象。类似的,我们也可以通过post()获取,主要是看我们的请求类型是get还是post。如果请求需要参数,我们可以使用Map <String,String> 构造参数,然后通过data(Map <String,String> params)方法设置。得到Document对象后,我们就可以对其进行解析。
当我们本地有一个html文件时,我们可以使用parse(File in, String charsetName)方法从本地文件中获取Document对象。
//Load a Document from a File static void loadDocFromFile() throws IOException{ File inputFile = new File("input.html"); Document doc = Jsoup.parse(inputFile, "UTF-8"); System.out.println(doc.html()); //打印获取的html源码 }
最后我们在main方法中测试三种获取Document对象的方法,发现都能正常获取到Document对象。
public static void main(String[] args) throws IOException { parseDocFromString(); loadDocByUrl(); loadDocFromFile(); }
参考文章: https://liuzhichao.com/p/1490.html