jsoup - 快速指南
jsoup - Overview
jsoup是一个基于Java的库,用于处理基于HTML的内容。 它提供了一个非常方便的API来提取和操作数据,使用最好的DOM,CSS和类似jquery的方法。 它实现了WHATWG HTML5规范,并将HTML解析为与现代浏览器相同的DOM。
jsoup libary实现了WHATWG HTML5规范,并根据现代浏览器将HTML内容解析到相同的DOM。
jsonp库提供以下功能。
Multiple Read Support - 它使用URL,文件或字符串读取和解析HTML。
CSS Selectors - 它可以使用DOM遍历或CSS选择器查找和提取数据。
DOM Manipulation - 它可以操作HTML元素,属性和文本。
Prevent XSS attacks - 它可以针对给定的安全白名单清除用户提交的内容,以防止XSS攻击。
Tidy - 它输出整洁的HTML。
Handles invalid data - jsoup可以处理未关闭的标记,隐式标记并可以可靠地创建文档结构。
jsoup - Environment Setup
本地环境设置 (Local Environment Setup)
JUnit是Java的框架,因此第一个要求是在您的机器中安装JDK。
系统要求
JDK | 1.5或以上。 |
---|---|
记忆 | 没有最低要求。 |
磁盘空间 | 没有最低要求。 |
操作系统 | 没有最低要求。 |
步骤1:验证计算机中的Java安装
首先,打开控制台并根据您正在使用的操作系统执行java命令。
OS | 任务 | 命令 |
---|---|---|
Windows | 打开命令控制台 | c:\> java -version |
Linux | 打开命令终端 | $ java -version |
Mac | 开放式终端 | machine: |
让我们验证所有操作系统的输出 -
OS | output |
---|---|
Windows | java版“1.6.0_21” Java(TM)SE运行时环境(版本1.6.0_21-b07) Java HotSpot(TM)客户端VM(版本17.0-b17,混合模式,共享) |
Linux | java版“1.6.0_21” Java(TM)SE运行时环境(版本1.6.0_21-b07) Java HotSpot(TM)客户端VM(版本17.0-b17,混合模式,共享) |
Mac | java版“1.6.0_21” Java(TM)SE运行时环境(版本1.6.0_21-b07) Java HotSpot(TM)64位服务器VM(内置17.0-b17,混合模式,共享) |
如果您的系统上没有安装Java,请从以下链接https://www.oracle.com下载Java软件开发工具包(SDK)。 我们假设Java 1.6.0_21是本教程的已安装版本。
第2步:设置JAVA环境
将JAVA_HOME环境变量设置为指向计算机上安装Java的基本目录位置。 例如。
OS | output |
---|---|
Windows | 将环境变量JAVA_HOME设置为C:\Program Files\Java\jdk1.6.0_21 |
Linux | export JAVA_HOME =/usr/local/java-current |
Mac | export JAVA_HOME =/Library/Java/Home |
将Java编译器位置附加到系统路径。
OS | output |
---|---|
Windows | 在系统变量Path的末尾附加字符串C:\Program Files\Java\jdk1.6.0_21\bin 。 |
Linux | export PATH = $ PATH:$ JAVA_HOME/bin/ |
Mac | 不需要 |
如上所述,使用命令java -version验证Java安装。
第3步:下载jsoup Archive
从Maven Repository下载最新版本的jsoup jar文件。 在编写本教程时,我们已经下载了jsoup-1.8.3.jar并将其复制到C:\“jsoup文件夹中。
OS | 存档名称 |
---|---|
Windows | jsoup-1.8.3.jar |
Linux | jsoup-1.8.3.jar |
Mac | jsoup-1.8.3.jar |
第4步:设置jsoup环境
将JSOUP_HOME环境变量设置为指向计算机上存储jsoup jar的基本目录位置。 假设我们已经在JSOUP文件夹中存储了jsoup-1.8.3.jar。
Sr.No | 操作系统和描述 |
---|---|
1 | Windows 将环境变量JSOUP_HOME设置为C:\JSOUP |
2 | Linux export JSOUP_HOME =/usr/local/JSOUP |
3 | Mac export JSOUP_HOME =/Library/JSOUP |
第5步:设置CLASSPATH变量
将CLASSPATH环境变量设置为指向JSOUP jar位置。
Sr.No | 操作系统和描述 |
---|---|
1 | Windows 将环境变量CLASSPATH设置为%CLASSPATH%;%JSOUP_HOME%\ jsoup-1.8.3.jar;。; |
2 | Linux export CLASSPATH = $ CLASSPATH:$ JSOUP_HOME/jsoup-1.8.3.jar:。 |
3 | Mac export CLASSPATH = $ CLASSPATH:$ JSOUP_HOME/jsoup-1.8.3.jar:。 |
jsoup - Parsing String
下面的示例将展示将HTML String解析为Document对象。
语法 (Syntax)
Document document = Jsoup.parse(html);
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
描述 (Description)
parse(String html)方法将输入HTML解析为新Document。 此文档对象可用于遍历和获取html dom的详细信息。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body><p>Sample Content</p></body></html>";
Document document = Jsoup.parse(html);
System.out.println(document.title());
Elements paragraphs = document.getElementsByTag("p");
for (Element paragraph : paragraphs) {
System.out.println(paragraph.text());
}
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Sample Title
Sample Content
jsoup - Parsing Body
下面的示例将展示将HTML fragement String解析为Element对象作为html正文。
语法 (Syntax)
Document document = Jsoup.parseBodyFragment(html);
Element body = document.body();
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML片段字符串。
body - 表示文档body元素的元素子元素,相当于document.getElementsByTag(“body”)。
描述 (Description)
parseBodyFragment(String html)方法将输入HTML解析为新文档。 此文档对象可用于遍历和获取html正文片段的详细信息。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class JsoupTester {
public static void main(String[] args) {
String html = "<div><p>Sample Content</p>";
Document document = Jsoup.parseBodyFragment(html);
Element body = document.body();
Elements paragraphs = body.getElementsByTag("p");
for (Element paragraph : paragraphs) {
System.out.println(paragraph.text());
}
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Sample Content
jsoup - Loading from URL
以下示例将展示使用url从Web获取HTML,然后查找其数据。
语法 (Syntax)
String url = "http://www.google.com";
Document document = Jsoup.connect(url).get();
哪里
document - document对象表示HTML DOM。
Jsoup - 连接url并获取HTML String的主类。
url - 要加载的html页面的url。
描述 (Description)
connect(url)方法连接到url,get()方法返回所请求url的html。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupTester {
public static void main(String[] args) throws IOException {
String url = "http://www.google.com";
Document document = Jsoup.connect(url).get();
System.out.println(document.title());
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Google
jsoup - Loading from File
下面的示例将展示使用文件从磁盘中获取HTML然后查找其数据。
语法 (Syntax)
String url = "http://www.google.com";
Document document = Jsoup.connect(url).get();
哪里
document - document对象表示HTML DOM。
Jsoup - 连接url并获取HTML String的主类。
url - 要加载的html页面的url。
描述 (Description)
connect(url)方法连接到url,get()方法返回所请求url的html。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import java.io.File;
import java.io.IOException;
import java.net.URISyntaxException;
import java.net.URL;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
public class JsoupTester {
public static void main(String[] args) throws IOException, URISyntaxException {
URL path = ClassLoader.getSystemResource("test.htm");
File input = new File(path.toURI());
Document document = Jsoup.parse(input, "UTF-8");
System.out.println(document.title());
}
}
test.htm
在C:\jsoup文件夹中创建以下test.htm文件。
<html>
<head>
<title>Sample Title</title>
</head>
<body>
<p>Sample Content</p>
</body>
</html>
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Sample Title
jsoup - Using DOM Methods
以下示例将在将HTML String解析为Document对象后展示DOM方法的使用。
语法 (Syntax)
Document document = Jsoup.parse(html);
Element sampleDiv = document.getElementById("sampleDiv");
Elements links = sampleDiv.getElementsByTag("a");
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
sampleDiv - Element对象表示由id“sampleDiv”标识的html节点元素。
links - Elements对象表示由标记“a”标识的多个节点元素。
描述 (Description)
parse(String html)方法将输入HTML解析为新Document。 此文档对象可用于遍历和获取html dom的详细信息。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body>"
+ "<p>Sample Content</p>"
+ "<div id='sampleDiv'><a href='www.google.com'>Google</a></div>"
+"</body></html>";
Document document = Jsoup.parse(html);
System.out.println(document.title());
Elements paragraphs = document.getElementsByTag("p");
for (Element paragraph : paragraphs) {
System.out.println(paragraph.text());
}
Element sampleDiv = document.getElementById("sampleDiv");
System.out.println("Data: " + sampleDiv.text());
Elements links = sampleDiv.getElementsByTag("a");
for (Element link : links) {
System.out.println("Href: " + link.attr("href"));
System.out.println("Text: " + link.text());
}
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Sample Title
Sample Content
Data: Google
Href: www.google.com
Text: Google
jsoup - Using Selector Syntax
以下示例将在将HTML String解析为Document对象后展示选择器方法的使用。 jsoup支持类似于CSS选择器的选择器。
语法 (Syntax)
Document document = Jsoup.parse(html);
Element sampleDiv = document.getElementById("sampleDiv");
Elements links = sampleDiv.getElementsByTag("a");
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
sampleDiv - Element对象表示由id“sampleDiv”标识的html节点元素。
links - Elements对象表示由标记“a”标识的多个节点元素。
描述 (Description)
document.select(expression)方法解析给定的CSS选择器表达式以选择html dom元素。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body>"
+ "<p>Sample Content</p>"
+ "<div id='sampleDiv'><a href='www.google.com'>Google</a>"
+ "<h3><a>Sample</a><h3>"
+"</div>"
+ "<div id='imageDiv' class='header'><img name='google' src='google.png' />"
+ "<img name='yahoo' src='yahoo.jpg' />"
+"</div>"
+"</body></html>";
Document document = Jsoup.parse(html);
//a with href
Elements links = document.select("a[href]");
for (Element link : links) {
System.out.println("Href: " + link.attr("href"));
System.out.println("Text: " + link.text());
}
// img with src ending .png
Elements pngs = document.select("img[src$=.png]");
for (Element png : pngs) {
System.out.println("Name: " + png.attr("name"));
}
// div with class=header
Element headerDiv = document.select("div.header").first();
System.out.println("Id: " + headerDiv.id());
// direct a after h3
Elements sampleLinks = document.select("h3 > a");
for (Element link : sampleLinks) {
System.out.println("Text: " + link.text());
}
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Href: www.google.com
Text: Google
Name: google
Id: imageDiv
Text: Sample
jsoup - Extract Attributes
下面的示例将展示在将HTML String解析为Document对象后使用方法获取dom元素的属性。
语法 (Syntax)
Document document = Jsoup.parse(html);
Element link = document.select("a").first();
System.out.println("Href: " + link.attr("href"));
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
link - 元素对象表示表示锚标记的html节点元素。
link.attr() - attr(attribute)方法检索元素属性。
描述 (Description)
元素对象代表一个dom elment并提供各种方法来获取dom元素的属性。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body>"
+ "<p>Sample Content</p>"
+ "<div id='sampleDiv'><a href='www.google.com'>Google</a>"
+ "<h3><a>Sample</a><h3>"
+"</div>"
+"</body></html>";
Document document = Jsoup.parse(html);
//a with href
Element link = document.select("a").first();
System.out.println("Href: " + link.attr("href"));
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Href: www.google.com
jsoup - Extract Text
下面的示例将展示在将HTML String解析为Document对象后使用方法获取文本。
语法 (Syntax)
Document document = Jsoup.parse(html);
Element link = document.select("a").first();
System.out.println("Text: " + link.text());
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
link - 元素对象表示表示锚标记的html节点元素。
link.text() - text()方法检索元素文本。
描述 (Description)
元素对象代表一个dom elment并提供各种方法来获取dom元素的文本。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body>"
+ "<p>Sample Content</p>"
+ "<div id='sampleDiv'><a href='www.google.com'>Google</a>"
+ "<h3><a>Sample</a><h3>"
+"</div>"
+"</body></html>";
Document document = Jsoup.parse(html);
//a with href
Element link = document.select("a").first();
System.out.println("Text: " + link.text());
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Text: Google
jsoup - Extract HTML
下面的示例将展示在将HTML String解析为Document对象后使用方法来获取内部html和外部html。
语法 (Syntax)
Document document = Jsoup.parse(html);
Element link = document.select("a").first();
System.out.println("Outer HTML: " + link.outerHtml());
System.out.println("Inner HTML: " + link.html());
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
link - 元素对象表示表示锚标记的html节点元素。
link.outerHtml() - outerHtml()方法检索元素完整的html。
link.html() - html()方法检索元素内部html。
描述 (Description)
元素对象代表一个dom elment并提供各种方法来获取dom元素的html。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body>"
+ "<p>Sample Content</p>"
+ "<div id='sampleDiv'><a href='www.google.com'>Google</a>"
+ "<h3><a>Sample</a><h3>"
+"</div>"
+"</body></html>";
Document document = Jsoup.parse(html);
//a with href
Element link = document.select("a").first();
System.out.println("Outer HTML: " + link.outerHtml());
System.out.println("Inner HTML: " + link.html());
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Outer HTML: <a href="www.google.com">Google</a>
Inner HTML: Google
jsoup - Working with URLs
下面的示例将展示可以提供html页面中存在的相对和绝对URL的方法。
语法 (Syntax)
String url = "http://www.iowiki.com/";
Document document = Jsoup.connect(url).get();
Element link = document.select("a").first();
System.out.println("Relative Link: " + link.attr("href"));
System.out.println("Absolute Link: " + link.attr("abs:href"));
System.out.println("Absolute Link: " + link.absUrl("href"));
哪里
document - document对象表示HTML DOM。
Jsoup - 连接到url并获取html内容的主类。
link - 元素对象表示表示锚标记的html节点元素。
link.attr("href") - 提供锚标记中存在的href值。 它可能是相对的或绝对的。
link.attr("abs:href") - 在解析文档的基URI后提供绝对URL。
link.absUrl("href") - 在解析文档的基URI后提供绝对URL。
描述 (Description)
Element对象表示一个dom elment,并提供了获取html页面中存在的相对URL和绝对URL的方法。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public class JsoupTester {
public static void main(String[] args) throws IOException {
String url = "http://www.iowiki.com/";
Document document = Jsoup.connect(url).get();
Element link = document.select("a").first();
System.out.println("Relative Link: " + link.attr("href"));
System.out.println("Absolute Link: " + link.attr("abs:href"));
System.out.println("Absolute Link: " + link.absUrl("href"));
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Relative Link: index.htm
Absolute Link: https://www.iowiki.com/index.htm
Absolute Link: https://www.iowiki.com/index.htm
jsoup - Set Attributes
下面的示例将展示使用方法设置dom元素的属性,批量更新以及在将HTML String解析为Document对象后添加/删除类方法。
语法 (Syntax)
Document document = Jsoup.parse(html);
Element link = document.select("a").first();
link.attr("href","www.yahoo.com");
link.addClass("header");
link.removeClass("header");
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
link - 元素对象表示表示锚标记的html节点元素。
link.attr() - attr(attribute,value)方法设置元素属性的对应值。
link.addClass() - addClass(class)方法在class属性下添加类。
link.removeClass() - link.removeClass() class)方法删除class属性下的类。
描述 (Description)
元素对象代表一个dom elment并提供各种方法来获取dom元素的属性。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body>"
+ "<p>Sample Content</p>"
+ "<div id='sampleDiv'><a id='googleA' href='www.google.com'>Google</a></div>"
+ "<div class='comments'><a href='www.sample1.com'>Sample1</a>"
+ "<a href='www.sample2.com'>Sample2</a>"
+ "<a href='www.sample3.com'>Sample3</a><div>"
+"</div>"
+ "<div id='imageDiv' class='header'><img name='google' src='google.png' />"
+ "<img name='yahoo' src='yahoo.jpg' />"
+"</div>"
+"</body></html>";
Document document = Jsoup.parse(html);
//Example: set attribute
Element link = document.getElementById("googleA");
System.out.println("Outer HTML Before Modification :" + link.outerHtml());
link.attr("href","www.yahoo.com");
System.out.println("Outer HTML After Modification :" + link.outerHtml());
System.out.println("---");
//Example: add class
Element div = document.getElementById("sampleDiv");
System.out.println("Outer HTML Before Modification :" + div.outerHtml());
link.addClass("header");
System.out.println("Outer HTML After Modification :" + div.outerHtml());
System.out.println("---");
//Example: remove class
Element div1 = document.getElementById("imageDiv");
System.out.println("Outer HTML Before Modification :" + div1.outerHtml());
div1.removeClass("header");
System.out.println("Outer HTML After Modification :" + div1.outerHtml());
System.out.println("---");
//Example: bulk update
Elements links = document.select("div.comments a");
System.out.println("Outer HTML Before Modification :" + links.outerHtml());
links.attr("rel", "nofollow");
System.out.println("Outer HTML Before Modification :" + links.outerHtml());
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Outer HTML Before Modification :<a id="googleA" href="www.google.com">Google</a>
Outer HTML After Modification :<a id="googleA" href="www.yahoo.com">Google</a>
---
Outer HTML Before Modification :<div id="sampleDiv">
<a id="googleA" href="www.yahoo.com">Google</a>
</div>
Outer HTML After Modification :<div id="sampleDiv">
<a id="googleA" href="www.yahoo.com" class="header">Google</a>
</div>
---
Outer HTML Before Modification :<div id="imageDiv" class="header">
<img name="google" src="google.png">
<img name="yahoo" src="yahoo.jpg">
</div>
Outer HTML After Modification :<div id="imageDiv" class="">
<img name="google" src="google.png">
<img name="yahoo" src="yahoo.jpg">
</div>
---
Outer HTML Before Modification :<a href="www.sample1.com">Sample1</a>
<a href="www.sample2.com">Sample2</a>
<a href="www.sample3.com">Sample3</a>
Outer HTML Before Modification :<a href="www.sample1.com" rel="nofollow">Sample1</a>
<a href="www.sample2.com" rel="nofollow">Sample2</a>
<a href="www.sample3.com" rel="nofollow">Sample3</a>
jsoup - Set HTML
下面的示例将展示使用方法在将HTML字符串解析为Document对象后将html设置,前置或附加到dom元素。
语法 (Syntax)
Document document = Jsoup.parse(html);
Element div = document.getElementById("sampleDiv");
div.html("<p>This is a sample content.</p>");
div.prepend("<p>Initial Text</p>");
div.append("<p>End Text</p>");
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
div - Element对象表示表示锚标记的html节点元素。
div.html() - html(content)方法用相应的值替换元素的外部html。
div.prepend() - prepend(content)方法在外部html之前添加内容。
div.append() - append(content)方法在外部html之后添加内容。
描述 (Description)
Element对象代表一个dom elment,并提供各种方法来设置,预置或附加html到dom元素。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body>"
+ "<div id='sampleDiv'><a id='googleA' href='www.google.com'>Google</a></div>"
+"</body></html>";
Document document = Jsoup.parse(html);
Element div = document.getElementById("sampleDiv");
System.out.println("Outer HTML Before Modification :\n" + div.outerHtml());
div.html("<p>This is a sample content.</p>");
System.out.println("Outer HTML After Modification :\n" + div.outerHtml());
div.prepend("<p>Initial Text</p>");
System.out.println("After Prepend :\n" + div.outerHtml());
div.append("<p>End Text</p>");
System.out.println("After Append :\n" + div.outerHtml());
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Outer HTML Before Modification :
<div id="sampleDiv">
<a id="googleA" href="www.google.com">Google</a>
</div>
Outer HTML After Modification :
<div id="sampleDiv">
<p>This is a sample content.</p>
</div>
After Prepend :
<div id="sampleDiv">
<p>Initial Text</p>
<p>This is a sample content.</p>
</div>
After Append :
<div id="sampleDiv">
<p>Initial Text</p>
<p>This is a sample content.</p>
<p>End Text</p>
</div>
Outer HTML Before Modification :
<span>Sample Content</span>
Outer HTML After Modification :
<span>Sample Content</span>
jsoup - Set Text Content
下面的示例将展示在将HTML String解析为Document对象之后使用方法来设置,预置或附加文本到dom元素。
语法 (Syntax)
Document document = Jsoup.parse(html);
Element div = document.getElementById("sampleDiv");
div.text("This is a sample content.");
div.prepend("Initial Text.");
div.append("End Text.");
哪里
document - document对象表示HTML DOM。
Jsoup - 解析给定HTML String的主类。
html - HTML字符串。
div - Element对象表示表示锚标记的html节点元素。
div.text() - text(content)方法用相应的值替换元素的内容。
div.prepend() - prepend(content)方法在外部html之前添加内容。
div.append() - append(content)方法在外部html之后添加内容。
描述 (Description)
Element对象代表一个dom elment,并提供各种方法来设置,预置或附加html到dom元素。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public class JsoupTester {
public static void main(String[] args) {
String html = "<html><head><title>Sample Title</title></head>"
+ "<body>"
+ "<div id='sampleDiv'><a id='googleA' href='www.google.com'>Google</a></div>"
+"</body></html>";
Document document = Jsoup.parse(html);
Element div = document.getElementById("sampleDiv");
System.out.println("Outer HTML Before Modification :\n" + div.outerHtml());
div.text(This is a sample content.");
System.out.println("Outer HTML After Modification :\n" + div.outerHtml());
div.prepend("Initial Text.");
System.out.println("After Prepend :\n" + div.outerHtml());
div.append("End Text.");
System.out.println("After Append :\n" + div.outerHtml());
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Outer HTML Before Modification :
<div id="sampleDiv">
<a id="googleA" href="www.google.com">Google</a>
</div>
Outer HTML After Modification :
<div id="sampleDiv">
This is a sample content.
</div>
After Prepend :
<div id="sampleDiv">
Initial Text.This is a sample content.
</div>
After Append :
<div id="sampleDiv">
Initial Text.This is a sample content.End Text.
</div>
jsoup - Sanitize HTML
以下示例将展示防止XSS攻击或跨站点脚本攻击。
语法 (Syntax)
String safeHtml = Jsoup.clean(html, Whitelist.basic());
哪里
Jsoup - 解析给定HTML String的主类。
html - 初始HTML字符串。
safeHtml - 清理HTML。
Whitelist - 提供默认配置以保护html的对象。
clean() - 使用白名单清除html。
描述 (Description)
Jsoup对象使用白名单配置清理html。
例子 (Example)
使用您选择的任何编辑器在C:/> jsoup中创建以下java程序。
JsoupTester.java
import org.jsoup.Jsoup;
import org.jsoup.safety.Whitelist;
public class JsoupTester {
public static void main(String[] args) {
String html = "<p><a href='http://example.com/'"
+" onclick='checkData()'>Link</a></p>";
System.out.println("Initial HTML: " + html);
String safeHtml = Jsoup.clean(html, Whitelist.basic());
System.out.println("Cleaned HTML: " +safeHtml);
}
}
验证结果 (Verify the result)
使用javac编译器编译类,如下所示:
C:\jsoup>javac JsoupTester.java
现在运行JsoupTester来查看结果。
C:\jsoup>java JsoupTester
看到结果。
Initial HTML: <p><a href='http://example.com/' onclick='checkData()'>Link</a></p>
Cleaned HTML: <p><a href="http://example.com/" rel="nofollow">Link</a></p>