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。