求教用Jsoup解析HMTL编码

super2012cz 2011-09-22 10:58:42

网上说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，然后给出了部分代码。但是我并不知道这个解析器具体是怎么加载，怎么用的，求大神指教啊!(PS:最好是有完整的代码，并且具体说一下Jsoup的使用)

...全文

371 点赞收藏 4

写回复

4 条回复

切换为时间正序

当前发帖距今超过3年，不再开放新的回复

发表回复

super2012cz 2012-11-29

多谢各位的指点了，我后来用了HtmlParser，效果还是不错

回复赞

fannifan 2012-06-29

public class httpclient {
public static void main(String[] args) {
String html="http://v.hao123.com/movie/index/lx-aq";
System.out.println(html+".............");
Document doc=Jsoup.parse(html);
System.out.println(doc+".....doc........");
try {
Document doct=Jsoup.connect(html).get();
System.out.println(doct+"......doct.......");
String title= doct.title();
System.out.println(title+"......title.......");
Jsoup.connect(html).data("query", "java")//请求参数
.userAgent("I ’ m jsoup")//设置
.cookie("auth", "token")//
.timeout(3000)//设置连接超时时间
.post(); //使用post方法访问url
// 得到：<meta name="Keywords" content="电影频道,视频下载,体育视频,在线视频,免费视频,自拍,视频教学,网络视频"/>
//Element connect= doc.getElementById("content");
Elements address= doct.select("p.provide provider clearfix").select("a[href]");
for (Element element : address) {
String href=element.attr("href");
String text=element.text();
System.out.println("我是。。。。href的连接地址"+text+href);
}
/* 我想的是得到地址然后再下载会很麻烦的写个下载功能逐个下载到本地。。麻烦
* 有人提议用httpclient 来抓取网页和图片
* 这个问题暂时保留？？？？？？？？
*/
Elements pic= doct.select("span.image").select("img[src]");// 所有引用 png 图片的元素
for (Element element : pic) {
String src=element.attr("src");
String text= element.text();
System.out.println("我是得到图片的地址。。。。"+text+src);
}
// doc.select("div.pic").select("img[src$=.jpg]");// 所有引用 png 图片的元素
Elements moviename=doct.select("div.itemlist").select("a.title");//得到电影名字
//System.out.println("moviename。。。。。。。。。。。"+moviename);
for (Element element : moviename) {
String text=element.text();
System.out.println("我是电影名。。。。"+text);
}
// 得到演员列表有点复杂先放着。。。。。。。。。。。

Elements actor= doct.select("a.actorName");
for (Element element : actor) {
String text= element.text();
System.out.println("演员。。。。。。。。。。。"+text);
}
System.out.println("..................");
Elements area= doct.select("span.actorSplitToken").select("div.ext_info").select("span.ext_area");//地区
System.out.println("地区。area。。"+area);

for (Element element : area) {
String text=element.text();
System.out.println("地区。。。"+text);
}
Elements time= doct.select("span.year"+" "+"clearfix");//时间

for (Element element : time) {
String text=element.text();
System.out.println("时间。。。"+text);
}
Elements type= doct.select("p.twocol-wrapper clearfix").select("span.type clearfix");//类型
//System.out.println("类型。。。"+type);
for (Element element : area) {
String text=element.text();
System.out.println("类型。。。"+text);
}

} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}

回复赞

fannifan 2012-06-29

我自己写的一段代码。。。。。现在还遇到点问题没有解决但是可以供你参考可以正常运行。。。。。。

public class httpclient {
public static void main(String[] args) {
String html="http://v.hao123.com/movie/index/lx-aq";
System.out.println(html+".............");
Document doc=Jsoup.parse(html);
System.out.println(doc+".....doc........");
try {
Document doct=Jsoup.connect(html).get();
System.out.println(doct+"......doct.......");
String title= doct.title();
System.out.println(title+"......title.......");
Jsoup.connect(html).data("query", "java")//请求参数
.userAgent("I ’ m jsoup")//设置
.cookie("auth", "token")//
.timeout(3000)//设置连接超时时间
.post(); //使用post方法访问url
// 得到：<meta name="Keywords" content="电影频道,视频下载,体育视频,在线视频,免费视频,自拍,视频教学,网络视频"/>
//Element connect= doc.getElementById("content");
Elements address= doct.select("p.provide provider clearfix").select("a[href]");
for (Element element : address) {
String href=element.attr("href");
String text=element.text();
System.out.println("我是。。。。href的连接地址"+text+href);
}
/* 我想的是得到地址然后再下载会很麻烦的写个下载功能逐个下载到本地。。麻烦
* 有人提议用httpclient 来抓取网页和图片
* 这个问题暂时保留？？？？？？？？
*/
Elements pic= doct.select("span.image").select("img[src]");// 所有引用 png 图片的元素
for (Element element : pic) {
String src=element.attr("src");
String text= element.text();
System.out.println("我是得到图片的地址。。。。"+text+src);
}
// doc.select("div.pic").select("img[src$=.jpg]");// 所有引用 png 图片的元素
Elements moviename=doct.select("div.itemlist").select("a.title");//得到电影名字
//System.out.println("moviename。。。。。。。。。。。"+moviename);
for (Element element : moviename) {
String text=element.text();
System.out.println("我是电影名。。。。"+text);
}
// 得到演员列表有点复杂先放着。。。。。。。。。。。

Elements actor= doct.select("a.actorName");
for (Element element : actor) {
String text= element.text();
System.out.println("演员。。。。。。。。。。。"+text);
}
System.out.println("..................");
Elements area= doct.select("span.actorSplitToken").select("div.ext_info").select("span.ext_area");//地区
System.out.println("地区。area。。"+area);

for (Element element : area) {
String text=element.text();
System.out.println("地区。。。"+text);
}
Elements time= doct.select("span.year"+" "+"clearfix");//时间

for (Element element : time) {
String text=element.text();
System.out.println("时间。。。"+text);
}
Elements type= doct.select("p.twocol-wrapper clearfix").select("span.type clearfix");//类型
//System.out.println("类型。。。"+type);
for (Element element : area) {
String text=element.text();
System.out.println("类型。。。"+text);
}

} catch (IOException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
}

回复赞