[网络爬虫] Jsoup : HTML 解析工具

1 概述


简介

• Jsoup是一款基于Java的HTML解析器，它提供了一种简单、机动且易于利用的API，用于从URL、文件或字符串中解析HTML文档。它可以帮助开辟人员从HTML文档中提取数据、操作DOM元素、处置惩罚表单提交等。
  

主要特点

   Jsoup的主要特点包罗：
  

• 简单易用：Jsoup提供了一系列简单的API，使得解析HTML变得非常容易。开辟人员可以利用类似于jQuery的选择器语法来选择DOM元素，从而方便地提取所需的数据。
  
• 强大的HTML处置惩罚本领：Jsoup支持HTML5尺度，并且能够处置惩罚不完整或损坏的HTML文档。它可以自动修复HTML中的错误，并且在解析过程中保留原始的HTML结构。
  
• 安全可靠：Jsoup内置了防止XSS攻击的机制，可以自动过滤恶意的HTML标签和属性，包管解析过程的安全性。
  
• 支持CSS选择器：Jsoup支持利用CSS选择器来选择DOM元素，这使得开辟人员可以更加机动地定位和操作HTML文档中的元素。
  
• 与Java集成：Jsoup是基于Java开辟的，可以与Java程序无缝集成。开辟人员可以利用Java的各种特性和库来处置惩罚解析后的数据。
  

应用场景

   Jsoup 在大数据、云盘算领域的应用场景包罗但不限于：
  

• 网页数据抓取： Jsoup可以帮助开辟人员从网页中提取所需的数据，比方爬取消息、商品信息等。通过解析HTML文档，可以快速精确地获取所需的数据。
  
• 数据清洗与处置惩罚： 在云盘算中，大量的数据需要进行清洗和处置惩罚。Jsoup可以帮助开辟人员解析HTML文档，提取出需要的数据，并进行进一步的处置惩罚和分析。
  
• 网页内容分析： Jsoup可以帮助开辟人员对网页内容进行分析，比方提取关键词、统计标签出现次数等。这对于搜刮引擎优化、网页分析等领域非常有用。
  

竞品

   爬虫解析HTML文档的工具有：
  

• [java] Jsoup
  

   

• GitHub - jhy/jsoup: jsoup: the Java HTML parser, built for HTML editing, cleaning, scraping, and XSS safety.
  
• https://jsoup.org/
  
• https://mvnrepository.com/artifact/org.jsoup/jsoup/1.12.2
  

  

• [python] Beautiful Jsoup
  

   

• Beautiful Soup: We called him Tortoise because he taught us.
  
• GitHub - DeronW/beautifulsoup at v4.4.0
  
• https://beautifulsoup.readthedocs.io/
  

     

• https://beautifulsoup.readthedocs.io/zh-cn/v4.4.0/
  

    回到顶部(Back to Top)
2 利用指南

• 本章节，基于 1.14.3 版本
  

依靠引入

1. <!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
2. <dependency>     
3.         <groupId>org.jsoup</groupId>     
4.         <artifactId>jsoup</artifactId>
5.     <!-- 1.12.2 / 1.14.3 / 1.17.2 -->       
6.         <version>1.14.3</version>
7. </dependency>

复制代码

焦点 API

org.jsoup.Jsoup

1. package org.jsoup;
3. import java.io.File;
4. import java.io.IOException;
5. import java.io.InputStream;
6. import java.net.URL;
7. import javax.annotation.Nullable;
8. import org.jsoup.helper.DataUtil;
9. import org.jsoup.helper.HttpConnection;
10. import org.jsoup.nodes.Document;
11. import org.jsoup.parser.Parser;
12. import org.jsoup.safety.Cleaner;
13. import org.jsoup.safety.Safelist;
14. import org.jsoup.safety.Whitelist;
16. public class Jsoup {
17.     private Jsoup() {
18.     }
20.     public static Document parse(String html, String baseUri) {
21.         return Parser.parse(html, baseUri);
22.     }
24.     public static Document parse(String html, String baseUri, Parser parser) {
25.         return parser.parseInput(html, baseUri);
26.     }
28.     public static Document parse(String html, Parser parser) {
29.         return parser.parseInput(html, "");
30.     }
32.     public static Document parse(String html) {
33.         return Parser.parse(html, "");
34.     }
36.     public static Connection connect(String url) {
37.         return HttpConnection.connect(url);
38.     }
40.     public static Connection newSession() {
41.         return new HttpConnection();
42.     }
44.     public static Document parse(File file, @Nullable String charsetName, String baseUri) throws IOException {
45.         return DataUtil.load(file, charsetName, baseUri);
46.     }
48.     public static Document parse(File file, @Nullable String charsetName) throws IOException {
49.         return DataUtil.load(file, charsetName, file.getAbsolutePath());
50.     }
52.     public static Document parse(File file, @Nullable String charsetName, String baseUri, Parser parser) throws IOException {
53.         return DataUtil.load(file, charsetName, baseUri, parser);
54.     }
56.     public static Document parse(InputStream in, @Nullable String charsetName, String baseUri) throws IOException {
57.         return DataUtil.load(in, charsetName, baseUri);
58.     }
60.     public static Document parse(InputStream in, @Nullable String charsetName, String baseUri, Parser parser) throws IOException {
61.         return DataUtil.load(in, charsetName, baseUri, parser);
62.     }
64.     public static Document parseBodyFragment(String bodyHtml, String baseUri) {
65.         return Parser.parseBodyFragment(bodyHtml, baseUri);
66.     }
68.     public static Document parseBodyFragment(String bodyHtml) {
69.         return Parser.parseBodyFragment(bodyHtml, "");
70.     }
72.     public static Document parse(URL url, int timeoutMillis) throws IOException {
73.         Connection con = HttpConnection.connect(url);
74.         con.timeout(timeoutMillis);
75.         return con.get();
76.     }
78.     public static String clean(String bodyHtml, String baseUri, Safelist safelist) {
79.         Document dirty = parseBodyFragment(bodyHtml, baseUri);
80.         Cleaner cleaner = new Cleaner(safelist);
81.         Document clean = cleaner.clean(dirty);
82.         return clean.body().html();
83.     }
85.     /** @deprecated */
86.     @Deprecated
87.     public static String clean(String bodyHtml, String baseUri, Whitelist safelist) {
88.         return clean(bodyHtml, baseUri, (Safelist)safelist);
89.     }
91.     public static String clean(String bodyHtml, Safelist safelist) {
92.         return clean(bodyHtml, "", safelist);
93.     }
95.     /** @deprecated */
96.     @Deprecated
97.     public static String clean(String bodyHtml, Whitelist safelist) {
98.         return clean(bodyHtml, (Safelist)safelist);
99.     }
101.     public static String clean(String bodyHtml, String baseUri, Safelist safelist, Document.OutputSettings outputSettings) {
102.         Document dirty = parseBodyFragment(bodyHtml, baseUri);
103.         Cleaner cleaner = new Cleaner(safelist);
104.         Document clean = cleaner.clean(dirty);
105.         clean.outputSettings(outputSettings);
106.         return clean.body().html();
107.     }
109.     /** @deprecated */
110.     @Deprecated
111.     public static String clean(String bodyHtml, String baseUri, Whitelist safelist, Document.OutputSettings outputSettings) {
112.         return clean(bodyHtml, baseUri, (Safelist)safelist, outputSettings);
113.     }
115.     public static boolean isValid(String bodyHtml, Safelist safelist) {
116.         return (new Cleaner(safelist)).isValidBodyHtml(bodyHtml);
117.     }
119.     /** @deprecated */
120.     @Deprecated
121.     public static boolean isValid(String bodyHtml, Whitelist safelist) {
122.         return isValid(bodyHtml, (Safelist)safelist);
123.     }
124. }

复制代码

org.jsoup.nodes.Node

关键 API

• Jsoup遍历DOM树的方法
  

   

• 根据id查找元素: getElementById(String id)
  
• 根据标签查找元素: getElementsByTag(String tag)
  
• 根据class查找元素: getElementsByClass(String className)
  
• 根据属性查找元素: getElementsByAttribute(String key)
  
• 兄弟遍历方法: siblingElements(), firstElementSibling(), lastElementSibling(); nextElementSibling(), previousElementSibling()
  
• 层级之间遍历: parent(), children(), child(int index)
  

  这些方法会返回Element大概Elements节点对象，这些对象可以利用下面的方法获取一些属性：

• attr(String key): 获取某个属性值
  
• attributes(): 获取节点的所有属性
  
• id(): 获取节点的id
  
• className(): 获取当前节点的class名称
  
• classNames(): 获取当前节点的所有class名称
  
• text(): 获取当前节点的textNode内容
  
• html(): 获取当前节点的 inner HTML
  
• outerHtml(): 获取当前节点的 outer HTML
  
• data(): 获取当前节点的内容，用于script大概style标签等
  
• tag(): 获取标签
  
• tagName(): 获取当前节点的标签名称
  

   有了这些API，就像 JQuery 一样很便利的操作DOM。
  

• Jsoup也支持修改DOM树结构：
  

   

• text(String value): 设置内容
  
• html(String value): 直接替换HTML结构
  
• append(String html): 元素后面添加节点
  
• prepend(String html): 元素前面添加节点
  
• appendText(String text), prependText(String text)
  
• appendElement(String tagName), prependElement(String tagName)
  

  源码

1. package org.jsoup.nodes;
3. import java.io.IOException;
4. import java.util.ArrayList;
5. import java.util.Arrays;
6. import java.util.Collections;
7. import java.util.Iterator;
8. import java.util.LinkedList;
9. import java.util.List;
10. import javax.annotation.Nullable;
11. import org.jsoup.SerializationException;
12. import org.jsoup.helper.Validate;
13. import org.jsoup.internal.StringUtil;
14. import org.jsoup.select.NodeFilter;
15. import org.jsoup.select.NodeTraversor;
16. import org.jsoup.select.NodeVisitor;
18. public abstract class Node implements Cloneable {
19.     static final List<Node> EmptyNodes = Collections.emptyList();
20.     static final String EmptyString = "";
21.     @Nullable
22.     Node parentNode;
23.     int siblingIndex;
25.     protected Node() {
26.     }
28.     public abstract String nodeName();
30.     protected abstract boolean hasAttributes();
32.     public boolean hasParent() {
33.         return this.parentNode != null;
34.     }
36.     public String attr(String attributeKey) {
37.                 ...
38.         }
39.        
40.     public abstract Attributes attributes();
41.        
42.     public int attributesSize() {
43.         return this.hasAttributes() ? this.attributes().size() : 0;
44.     }
46.     public Node attr(String attributeKey, String attributeValue) {
47.         attributeKey = NodeUtils.parser(this).settings().normalizeAttribute(attributeKey);
48.         this.attributes().putIgnoreCase(attributeKey, attributeValue);
49.         return this;
50.     }
52.     public boolean hasAttr(String attributeKey) {
53.         Validate.notNull(attributeKey);
54.         if (!this.hasAttributes()) {
55.             return false;
56.         } else {
57.             if (attributeKey.startsWith("abs:")) {
58.                 String key = attributeKey.substring("abs:".length());
59.                 if (this.attributes().hasKeyIgnoreCase(key) && !this.absUrl(key).isEmpty()) {
60.                     return true;
61.                 }
62.             }
64.             return this.attributes().hasKeyIgnoreCase(attributeKey);
65.         }
66.     }
68.     public Node removeAttr(String attributeKey) {
69.         Validate.notNull(attributeKey);
70.         if (this.hasAttributes()) {
71.             this.attributes().removeIgnoreCase(attributeKey);
72.         }
74.         return this;
75.     }
77.     public Node clearAttributes() {
78.         if (this.hasAttributes()) {
79.             Iterator<Attribute> it = this.attributes().iterator();
81.             while(it.hasNext()) {
82.                 it.next();
83.                 it.remove();
84.             }
85.         }
87.         return this;
88.     }
90.     public abstract String baseUri();
92.     protected abstract void doSetBaseUri(String var1);
94.     public void setBaseUri(String baseUri) {
95.         Validate.notNull(baseUri);
96.         this.doSetBaseUri(baseUri);
97.     }
99.     public String absUrl(String attributeKey) {
100.         Validate.notEmpty(attributeKey);
101.         return this.hasAttributes() && this.attributes().hasKeyIgnoreCase(attributeKey) ? StringUtil.resolve(this.baseUri(), this.attributes().getIgnoreCase(attributeKey)) : "";
102.     }
104.     protected abstract List<Node> ensureChildNodes();
106.     public Node childNode(int index) {
107.         return (Node)this.ensureChildNodes().get(index);
108.     }
110.     public List<Node> childNodes() {
111.         if (this.childNodeSize() == 0) {
112.             return EmptyNodes;
113.         } else {
114.             List<Node> children = this.ensureChildNodes();
115.             List<Node> rewrap = new ArrayList(children.size());
116.             rewrap.addAll(children);
117.             return Collections.unmodifiableList(rewrap);
118.         }
119.     }
121.     public List<Node> childNodesCopy() {
122.         List<Node> nodes = this.ensureChildNodes();
123.         ArrayList<Node> children = new ArrayList(nodes.size());
124.         Iterator var3 = nodes.iterator();
126.         while(var3.hasNext()) {
127.             Node node = (Node)var3.next();
128.             children.add(node.clone());
129.         }
131.         return children;
132.     }
134.     public abstract int childNodeSize();
136.     protected Node[] childNodesAsArray() {
137.         return (Node[])this.ensureChildNodes().toArray(new Node[0]);
138.     }
140.     public abstract Node empty();
142.     @Nullable
143.     public Node parent() {
144.         return this.parentNode;
145.     }
147.     @Nullable
148.     public final Node parentNode() {
149.         return this.parentNode;
150.     }
152.     public Node root() {
153.         Node node;
154.         for(node = this; node.parentNode != null; node = node.parentNode) {
155.         }
157.         return node;
158.     }
160.     @Nullable
161.     public Document ownerDocument() {
162.         Node root = this.root();
163.         return root instanceof Document ? (Document)root : null;
164.     }
166.     public void remove() {
167.         Validate.notNull(this.parentNode);
168.         this.parentNode.removeChild(this);
169.     }
171.     public Node before(String html) {
172.         this.addSiblingHtml(this.siblingIndex, html);
173.         return this;
174.     }
176.     public Node before(Node node) {
177.         Validate.notNull(node);
178.         Validate.notNull(this.parentNode);
179.         this.parentNode.addChildren(this.siblingIndex, node);
180.         return this;
181.     }
183.     public Node after(String html) {
184.         this.addSiblingHtml(this.siblingIndex + 1, html);
185.         return this;
186.     }
188.     public Node after(Node node) {
189.         Validate.notNull(node);
190.         Validate.notNull(this.parentNode);
191.         this.parentNode.addChildren(this.siblingIndex + 1, node);
192.         return this;
193.     }
195.     private void addSiblingHtml(int index, String html) {
196.         Validate.notNull(html);
197.         Validate.notNull(this.parentNode);
198.         Element context = this.parent() instanceof Element ? (Element)this.parent() : null;
199.         List<Node> nodes = NodeUtils.parser(this).parseFragmentInput(html, context, this.baseUri());
200.         this.parentNode.addChildren(index, (Node[])nodes.toArray(new Node[0]));
201.     }
203.     public Node wrap(String html) {
204.         Validate.notEmpty(html);
205.         Element context = this.parentNode != null && this.parentNode instanceof Element ? (Element)this.parentNode : (this instanceof Element ? (Element)this : null);
206.         List<Node> wrapChildren = NodeUtils.parser(this).parseFragmentInput(html, context, this.baseUri());
207.         Node wrapNode = (Node)wrapChildren.get(0);
208.         if (!(wrapNode instanceof Element)) {
209.             return this;
210.         } else {
211.             Element wrap = (Element)wrapNode;
212.             Element deepest = this.getDeepChild(wrap);
213.             if (this.parentNode != null) {
214.                 this.parentNode.replaceChild(this, wrap);
215.             }
217.             deepest.addChildren(new Node[]{this});
218.             if (wrapChildren.size() > 0) {
219.                 for(int i = 0; i < wrapChildren.size(); ++i) {
220.                     Node remainder = (Node)wrapChildren.get(i);
221.                     if (wrap != remainder) {
222.                         if (remainder.parentNode != null) {
223.                             remainder.parentNode.removeChild(remainder);
224.                         }
226.                         wrap.after(remainder);
227.                     }
228.                 }
229.             }
231.             return this;
232.         }
233.     }
235.     @Nullable
236.     public Node unwrap() {
237.         Validate.notNull(this.parentNode);
238.         List<Node> childNodes = this.ensureChildNodes();
239.         Node firstChild = childNodes.size() > 0 ? (Node)childNodes.get(0) : null;
240.         this.parentNode.addChildren(this.siblingIndex, this.childNodesAsArray());
241.         this.remove();
242.         return firstChild;
243.     }
245.     private Element getDeepChild(Element el) {
246.         List<Element> children = el.children();
247.         return children.size() > 0 ? this.getDeepChild((Element)children.get(0)) : el;
248.     }
250.     void nodelistChanged() {
251.     }
253.     public void replaceWith(Node in) {
254.         Validate.notNull(in);
255.         Validate.notNull(this.parentNode);
256.         this.parentNode.replaceChild(this, in);
257.     }
259.     protected void setParentNode(Node parentNode) {
260.         Validate.notNull(parentNode);
261.         if (this.parentNode != null) {
262.             this.parentNode.removeChild(this);
263.         }
265.         this.parentNode = parentNode;
266.     }
268.     protected void replaceChild(Node out, Node in) {
269.         Validate.isTrue(out.parentNode == this);
270.         Validate.notNull(in);
271.         if (in.parentNode != null) {
272.             in.parentNode.removeChild(in);
273.         }
275.         int index = out.siblingIndex;
276.         this.ensureChildNodes().set(index, in);
277.         in.parentNode = this;
278.         in.setSiblingIndex(index);
279.         out.parentNode = null;
280.     }
282.     protected void removeChild(Node out) {
283.         Validate.isTrue(out.parentNode == this);
284.         int index = out.siblingIndex;
285.         this.ensureChildNodes().remove(index);
286.         this.reindexChildren(index);
287.         out.parentNode = null;
288.     }
290.     protected void addChildren(Node... children) {
291.         List<Node> nodes = this.ensureChildNodes();
292.         Node[] var3 = children;
293.         int var4 = children.length;
295.         for(int var5 = 0; var5 < var4; ++var5) {
296.             Node child = var3[var5];
297.             this.reparentChild(child);
298.             nodes.add(child);
299.             child.setSiblingIndex(nodes.size() - 1);
300.         }
302.     }
304.     protected void addChildren(int index, Node... children) {
305.                 ...
306.         }
308.     protected void reparentChild(Node child) {
309.         child.setParentNode(this);
310.     }
312.     private void reindexChildren(int start) {
313.         if (this.childNodeSize() != 0) {
314.             List<Node> childNodes = this.ensureChildNodes();
316.             for(int i = start; i < childNodes.size(); ++i) {
317.                 ((Node)childNodes.get(i)).setSiblingIndex(i);
318.             }
320.         }
321.     }
323.     public List<Node> siblingNodes() {
324.         if (this.parentNode == null) {
325.             return Collections.emptyList();
326.         } else {
327.             List<Node> nodes = this.parentNode.ensureChildNodes();
328.             List<Node> siblings = new ArrayList(nodes.size() - 1);
329.             Iterator var3 = nodes.iterator();
331.             while(var3.hasNext()) {
332.                 Node node = (Node)var3.next();
333.                 if (node != this) {
334.                     siblings.add(node);
335.                 }
336.             }
338.             return siblings;
339.         }
340.     }
342.     @Nullable
343.     public Node nextSibling() {
344.         if (this.parentNode == null) {
345.             return null;
346.         } else {
347.             List<Node> siblings = this.parentNode.ensureChildNodes();
348.             int index = this.siblingIndex + 1;
349.             return siblings.size() > index ? (Node)siblings.get(index) : null;
350.         }
351.     }
353.     @Nullable
354.     public Node previousSibling() {
355.         if (this.parentNode == null) {
356.             return null;
357.         } else {
358.             return this.siblingIndex > 0 ? (Node)this.parentNode.ensureChildNodes().get(this.siblingIndex - 1) : null;
359.         }
360.     }
362.     public int siblingIndex() {
363.         return this.siblingIndex;
364.     }
366.     protected void setSiblingIndex(int siblingIndex) {
367.         this.siblingIndex = siblingIndex;
368.     }
370.     public Node traverse(NodeVisitor nodeVisitor) {
371.         Validate.notNull(nodeVisitor);
372.         NodeTraversor.traverse(nodeVisitor, this);
373.         return this;
374.     }
376.     public Node filter(NodeFilter nodeFilter) {
377.         Validate.notNull(nodeFilter);
378.         NodeTraversor.filter(nodeFilter, this);
379.         return this;
380.     }
382.     public String outerHtml() {
383.         StringBuilder accum = StringUtil.borrowBuilder();
384.         this.outerHtml(accum);
385.         return StringUtil.releaseBuilder(accum);
386.     }
388.     protected void outerHtml(Appendable accum) {
389.         NodeTraversor.traverse(new OuterHtmlVisitor(accum, NodeUtils.outputSettings(this)), this);
390.     }
392.     abstract void outerHtmlHead(Appendable var1, int var2, Document.OutputSettings var3) throws IOException;
394.     abstract void outerHtmlTail(Appendable var1, int var2, Document.OutputSettings var3) throws IOException;
396.     public <T extends Appendable> T html(T appendable) {
397.         this.outerHtml(appendable);
398.         return appendable;
399.     }
401.     public String toString() {
402.         return this.outerHtml();
403.     }
405.     protected void indent(Appendable accum, int depth, Document.OutputSettings out) throws IOException {
406.         accum.append('\n').append(StringUtil.padding(depth * out.indentAmount()));
407.     }
409.     public boolean equals(@Nullable Object o) {
410.         return this == o;
411.     }
413.     public int hashCode() {
414.         return super.hashCode();
415.     }
417.     public boolean hasSameValue(@Nullable Object o) {
418.         if (this == o) {
419.             return true;
420.         } else {
421.             return o != null && this.getClass() == o.getClass() ? this.outerHtml().equals(((Node)o).outerHtml()) : false;
422.         }
423.     }
425.     public Node clone() {
426.                 ...
427.         }
429.         ...

复制代码

org.jsoup.nodes.Element extends Node


org.jsoup.nodes.Document extends Element


应用场景


CASE : 解析 HTML文档 => 获得 Document 对象

1. import org.jsoup.Jsoup;
2. import org.jsoup.nodes.Document;
4. String html = "<html><head><title>First parse</title></head><body><p>Parsed HTML into a doc.</p></body></html>";
5. Document doc = Jsoup.parse(html);

复制代码

CASE : 解析 HTML 片段 => 获得 Document 对象

1. import org.jsoup.Jsoup;
2. import org.jsoup.nodes.Document;
4. String html = "<div><p>Lorem ipsum.</p>";
5. Document doc = Jsoup.parseBodyFragment(html);
6. Element body = doc.body();

复制代码

CASE : 解析 URL => 获得 Document 对象

1. org.jsoup.Connection connection = Jsoup.connect("http://example.com/");
2. Document doc = connection.get();//HTTP Method = GET
3. String title = doc.title();

复制代码

  还可以携带cookie等参数：(和Python的爬虫类似)

1. Document doc = Jsoup.connect("http://example.com")   
2. .data("query", "Java")   
3. .userAgent("Mozilla")   
4. .cookie("auth", "token")   
5. .timeout(3000)   
6. .post(); //HTTP Method = POST

复制代码

CASE : 解析 HTML 当地文件 => 获得 Document 对象

1. File input = new File("/tmp/input.html");
2. Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
5. /**
6. * 提取文件里面的文本信息
7. */
8. public static String openFile(String szFileName) {
9.     try {
10.         BufferedReader bis = new BufferedReader(new InputStreamReader(new FileInputStream(new File(szFileName)), ENCODE));
11.         String szContent = "";
12.         String szTemp;
14.         while ((szTemp = bis.readLine()) != null) {
15.             szContent += szTemp + "\n";
16.         }
17.         bis.close();
18.         return szContent;
19.     } catch (Exception e) {
20.         return "";
21.     }
22. }

复制代码

CASE : Element#hasText()/text()/ownText()/wholeText()

• HTML 文档
  

1. <html>
2. <head><title>JSoup Parse Demo</title></head>
3. <body>
4.     <div id="demoDivId" style="min-height: 48px;"> hello<span>world<b>!</b></span> </div>
5.     <p>Parsed HTML into a doc.</p>
6. </body>
7. </html>

复制代码

• Demo Code
  

1. final static String classpath = ClassLoader.getSystemResource("").getPath();//如: /E:/source_code/xxx/xxx-bigdata/xxx-common-demo/target/classes/
2. final static String htmlFilePath = classpath + "sample-dataset/html/demo.html";
4. String htmlContent = htmlReader.readHtml( htmlFilePath );
5. Document document = Jsoup.parse(htmlContent);
7. Element element = document.body().getElementById("demoDivId");
8. log.info("cssSelector:{}", element.cssSelector());//cssSelector:#demoDivId
9. log.info( "hasText:{}" , element.hasText() ); //hasText:true
10. log.info( "text:{}" , element.text() );text:helloworld!
11. log.info( "ownText:{}" , element.ownText() ); ownText:hello
12. log.info( "wholeText:{}" , element.wholeText() ); wholeText: helloworld!

复制代码

CASE : Element#html()/outerHtml()

• HTML 文档
  

   同上一案例
  

• Demo Code
  

1. ...
2. Element element = document.body().getElementById("demoDivId");
4. log.info( "html(innerHtml):{}" , element.html() );
5. log.info( "outerHtml:\n{}" , element.outerHtml() );

复制代码

• out
  

1. html(innerHtml):hello<span>world<b>!</b></span>
2. outerHtml:
3. <div id="demoDivId" style="min-height: 48px;">
4.   hello<span>world<b>!</b></span>
5. </div>

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。