|
【郑州校区】使用Jsoup选择器获取数据
4.3.1知识概述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。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。 [AppleScript] 纯文本查看 复制代码
<dependency>
<!-- jsoup HTML parser library @ [url=https://jsoup.org/]https://jsoup.org/[/url] -->
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.10.3</version>
</dependency> JSOUP的核心功能 l JSOUP的输入信息 字符串 文件 URL l JSOUP抽取数据 使用Document语法进行解析数据 使用选择器的方式进行解析（学习对象） 如何使用Jsoup选择器获取数据 Jsoup elements对象支持类似于CSS(或jquery)的选择器语法，来实现非常强大和灵活的查找功能。. 这个select方法在Document,Element,或Elements对象中都可以使用。且是上下文相关的，因此可实现指定元素的过滤，或者链式选择访问。 Select方法将返回一个Elements集合，并提供一组方法来抽取和处理结果。 Selector选择器概述 Ø tagname: 通过标签查找元素，比如：a Ø ns|tag: 通过标签在命名空间查找元素，比如：可以用 fb|name 语法来查找 元素 Ø id: 通过ID查找元素，比如：#logo Ø class: 通过class名称查找元素，比如：.masthead Ø [attribute]: 利用属性查找元素，比如：[href] Ø [^attr]: 利用属性名前缀来查找元素，比如：可以用[^data-] 来查找带有HTML5 Dataset属性的元素 Ø [attr=value]: 利用属性值来查找元素，比如：[width=500] Ø [attr^=value], [attr$=value], [attr=value]: 利用匹配属性值开头、结尾或包含属性值来查找元素，比如：[href=/path/] Ø [attr~=regex]: 利用属性值匹配正则表达式来查找元素，比如： img[src~=(?i).(png|jpe?g)] Ø *: 这个符号将匹配所有元素 Ø Seector选择器组合使用 Ø el#id: 元素+ID，比如： div#logo Ø el.class: 元素+class，比如： div.masthead Ø el[attr]: 元素+class，比如： a[href] Ø 任意组合，比如：a[href].highlight Ø ancestor child: 查找某个元素下子元素，比如：可以用.body p 查找在"body"元素下的所有 p元素 Ø parent > child: 查找某个父元素下的直接子元素，比如：可以用div.content > p 查找 p 元素，也可以用body > 查找body标签下所有直接子元素 Ø siblingA + siblingB: 查找在A元素之前第一个同级元素B，比如：div.head + div Ø siblingA ~ siblingX: 查找A元素之前的同级X元素，比如：h1 ~ p Ø el, el, el:多个选择器组合，查找匹配任一选择器的唯一元素，例如：div.masthead, div.logo 伪选器selectors Ø :lt(n): 查找哪些元素的同级索引值（它的位置在DOM树中是相对于它的父节点）小于n，比如：td:lt(3) 表示小于三列的元素 Ø :gt(n):查找哪些元素的同级索引值大于n，比如： div p:gt(2)表示哪些div中有包含2个以上的p元素 Ø :eq(n): 查找哪些元素的同级索引值与n相等，比如：form input:eq(1)表示包含一个input标签的Form元素 Ø :has(seletor): 查找匹配选择器包含元素的元素，比如：div:has(p)表示哪些div包含了p元素 Ø :not(selector): 查找与选择器不匹配的元素，比如： div:not(.logo) 表示不包含 class=logo 元素的所有 div 列表 Ø :contains(text): 查找包含给定文本的元素，搜索不区分大不写，比如： p:contains(jsoup) Ø :containsOwn(text): 查找直接包含给定文本的元素 Ø :matches(regex): 查找哪些元素的文本匹配指定的正则表达式，比如：div:matches((?i)login) Ø :matchesOwn(regex): 查找自身包含文本匹配指定正则表达式的元素 Ø 注意：上述伪选择器索引是从0开始的，也就是说第一个元素索引值为0，第二个元素index为1等 4.3.2视频详情4.3.3总结与补充 Document的结构 4.3.4课堂提问与练习 无 4.3.5习题答案 无 传智播客·黑马程序员郑州校区地址 河南省郑州市 高新区长椿路11号大学科技园（西区）东门8号楼三层
| 
收藏
淘帖
踩
