Jsoup是一款網(wǎng)絡(luò)爬取數(shù)據(jù)的解析器，可以解析HTML文件中的任何子節(jié)點，支持離線HTML文件、字符型HTML內(nèi)容、URL的解析。非常方便和實用。

Document doc = Jsoup.connect("https://www.zhihu.com/").get();

//File f = new File("pathname");

//Document doc = Jsoup.parse(f, "UTF-8", "");//離線文件形式

//Document doc = Jsoup.parse("html_String");//HTML格式的字符串

Elements links = doc.select("a[href]");

for (Element link : links) {

sff.append(link.attr("abs:href")).append(" ").append(link.text()).append(" ");

}

myString = sff.toString();

Log.i("href:", myString);

它獲取內(nèi)容的主要方式如下幾點：

1.通過標(biāo)簽名來查找

3325

Elements elements = doc.select("span");

注：通過標(biāo)簽來查找，直接寫 "標(biāo)簽名" 就好，不需要尖括號。

2.通過??id??來查找

36?20

Elements elements = doc.select("#mySpan");

注：通過id來查找，使用方法跟css指定元素一樣，用#

3.通過??class名??來查找

3620

Elements elements = doc.select(".myClass");

注：通過id來查找，使用方法跟css指定元素一樣，用 .

4.利用標(biāo)簽內(nèi)??屬性名??查找元素

3636

Elements elements = doc.select("span[class=class1]span[id=id1]");

注：規(guī)則為 標(biāo)簽名【屬性名=屬性值】，標(biāo)簽名可寫可不寫，多個屬性即多個【】，如上。

5.利用標(biāo)簽內(nèi)??屬性名前綴??查找元素

3622

Elements elements = doc.select("span[^cl]");

注：規(guī)則為 標(biāo)簽名【^屬性名前綴】，標(biāo)簽名可寫可不寫，多個屬性即多個【】。

6.利用標(biāo)簽內(nèi)?屬性名+正則表達式?查找元素

3622

Elements elements = doc.select("span[class~=^AB]");

注：規(guī)則為 標(biāo)簽名【屬性名~=正則表達式】，以上的正則表達式的意思是查找以class值以AB為開頭的標(biāo)簽，標(biāo)簽名可寫可不寫，多個屬性即多個【】

7.利用標(biāo)簽?文本包含某些內(nèi)容?來查找

3622

Elements elements = doc.select("span:contains(3)");

注：規(guī)則為 標(biāo)簽名:contains(文本值)

8.利用標(biāo)簽?文本包含某些內(nèi)容+正則表達式?來查找

3622

Elements elements = doc.select("span:matchesOwn(^3)");

總結(jié)

以上是生活随笔為你收集整理的爬数据html解析,jsoup网络爬取数据HTML解析的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。