sunjs

解析一个html字符串


从字符串加载文档

创建一个简单的Java类测试一下：

public static void main(String[] args) throws IOException {
    String html = "<html><head><title>技术客</title></head><body>https://www.sunjs.com</body></html>";
    Document doc = Jsoup.parse(html);
    System.out.println("Title is:"+doc.title());
    System.out.println("Body is:"+doc.body().text());
}

运行上面代码，输入以下结果：

Title is:技术客
Body is:https://www.sunjs.com


说明

parse(String html, String baseUri) 这方法能够将输入的HTML解析为一个新的文档 (Document），参数 baseUri 是用来将相对 URL 转成绝对URL，并指定从哪个网站获取文档。如这个方法不适用，你可以使用 parse(String html) 方法来解析成HTML字符串如上面的示例。.

只要解析的不是空字符串，就能返回一个结构合理的文档，但是其中包含(至少) 一个head 或者 一个body元素。

一旦拥有了一个Document，你就可以使用Document中适当的方法或它父类 Element和Node中的方法来取得相关数据。


解析一个body片段

假如你有一个HTML片断 (比如. 一个 div 包含一对 p 标签; 一个不完整的HTML文档) 想对它进行解析。这个HTML片断可以是用户提交的一条评论或在一个CMS页面中编辑body部分。这也正是上边所说的，只要解析的不是空字符串，就能返回一个结构合理的文档，但是其中包含(至少) 一个head 或者 一个body元素。

public static void main(String[] args) throws IOException {
    String html = "<div><p>https://www.sunjs.com</p>";
    Document doc = Jsoup.parseBodyFragment(html);
    Element body = doc.body();
    System.out.println("content is:"+body.text());
}

输出结果：

content is:https://www.sunjs.com


说明

parseBodyFragment(bodyHtml) 方法创建一个空壳的文档，并插入解析过的HTML到body元素中。同时parseBodyFragment(bodyHtml, baseUri)这个方法也提供了提前注入baseUri的功能。假如你使用正常的 Jsoup.parse(String html) 方法，通常你也可以得到相同的结果，但是明确将用户输入作为 body片段处理，以确保用户所提供的任何糟糕的HTML都将被解析成body元素。

Document.body() 方法能够取得文档body元素的所有子元素，与 doc.getElementsByTag("body")相同。